.png){kind=icon}
返回
Incremental effects for continuous exposures
.png){kind=icon}
PRE
AI
DOI：10.1080/01621459.2026.2719859.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
因果推断问题通常涉及连续处理，如剂量、持续时间或频率。然而，识别和估计标准剂量-反应估计量需要每个人都有可能接受任何暴露水平（即正定性）。为避免此假设，我们考虑基于将处理分布按参数δ（增量效应）进行指数倾斜的随机干预；这会增加或减少一个单位接受给定处理水平的可能性。我们在连续暴露下推导了增量效应的有效影响函数和半参数效率界。然后我们表明，估计取决于倾斜的大小，即由δ衡量。具体而言，我们推导出新的最小最大下界，说明最佳可能的均方根误差如何随有效样本量n/δ缩放，而非n。此外，我们建立了新的收敛率和双重机器学习风格估计量的偏差界。我们的新颖分析通过使用混合上确界和L2范数，给出了比标准分析更优的δ依赖性。最后，我们定义了围绕任何内点的“反射”指数倾斜，并表明取δ→∞会产生一个新的剂量-反应曲线估计量，覆盖整个处理支持集。
Keyword:
dose-response
minimax
nonparametrics
positivity
stochastic intervention.
期刊
J
IF:
3
论文数:
5.2K
被引数:
4.8W
.png){kind=icon}
查看更多内容