爱德华·肯尼迪。;西瓦拉曼·巴拉克利什南;詹姆斯·罗宾斯（James M.Robins）。;拉里·瓦瑟曼 异质因果效应估计的最小最大比率。 （英语） Zbl 07860633号 Ann.统计。 52，编号2，793-816（2024）. 总结：对异质因果效应的估计——即政策和治疗的效果如何在不同受试者之间变化——是因果推断中的一项基本任务。近年来，人们提出了许多估算条件平均治疗效果（CATE）的方法，但围绕最优化的问题基本上仍未得到解答。特别是，最优性的极小极大理论尚未发展，极小极大收敛率和速率最优估计量的构造仍然是悬而未决的问题。本文推导了Hölder光滑非参数模型中CATE估计的极小极大速率，并给出了一种新的局部多项式估计，给出了它是极小极大最优的高级条件。我们的极小极大下界是通过模糊假设方法的局部版本导出的，结合了非参数回归和函数估计的下界构造。我们提出的估计器可以看作是基于高阶影响函数方法的局部修改的局部多项式R-Learner。我们发现的最小最大速率显示了几个有趣的特征，包括非标准肘现象和非参数回归和函数估计速率之间的异常插值。后者量化了CATE作为一个估计值如何被视为回归/功能混合。 MSC公司： 62D20型 观察性研究的因果推断 62C20个 统计决策理论中的Minimax过程 62G05型 非参数估计 62G08号 非参数回归和分位数回归 6220国集团 非参数推理的渐近性质 关键词：因果推断;功能估计;高阶影响函数;非参数回归;最优收敛速度 PDF格式BibTeX公司 XML格式引用 \textit{E.H.Kennedy}等人，Ann.Stat.52，No.2，793--816（2024；Zbl 07860633） 全文： 内政部 arXiv公司 参考文献： [1] ATHEY，S.和IMBENS，G.（2016）。异质因果效应的递归划分。程序。国家。阿卡德。科学。美国113 7353-7360。数字对象标识符：10.1073/pnas.1510489113谷歌学者：查找链接数学科学网：MR3531135·Zbl 1357.62190号 ·doi:10.1073/pnas.1510489113 [2] Belloni，A.、Chernozhukov，V.、Chetverikov，D.和Kato，K.（2015）。最小二乘级数的一些新的渐近理论：点态和一致结果。《计量经济学杂志》186 345-366。数字对象标识符：10.1016/j.econom.2015.02.014谷歌学者：查找链接MathSciNet:MR33343791·Zbl 1331.62250号 ·doi:10.1016/j.jeconom.2015.02.014 [3] Bickel，P.J.和Ritov，Y.（1988年）。估计积分平方密度导数：夏普最佳收敛阶估计。SankhyáSer。甲50 381-393。数学科学网：MR1065550·Zbl 0676.62037号 [4] Birgé，L.和Massart，P.（1995）。密度积分泛函的估计。安。统计师。23 11-29. 数字对象标识符：10.1214/aos/1176324452谷歌学者：查找链接数学科学网：MR1331653·Zbl 0848.62022号 ·doi:10.1214/aos/1176324452 [5] CHAMBERLAIN，G.（1987）。具有条件矩限制的估计的渐近效率。《计量经济学杂志》34 305-334。数字对象标识符：10.1016/0304-4076（87）90015-7谷歌学者：查找链接数学科学网：MR0888070·Zbl 0618.62040号 ·doi:10.1016/0304-4076（87）90015-7 [6] CHERNOZHUKOV，V.、GOLDMAN，M.、SEMENOVA，V.和TADDY，M.（2017）。用于需求估计的正交机器学习：动态面板中的高维因果推理。预印。可从arXiv:1712.09988获取。 [7] 范强、徐宇春、李力、张瑜（2022）。用高维数据估计条件平均治疗效果。J.总线。经济。统计师。40 313-327. 数字对象标识符：10.1080/07350015.2020.1811102谷歌学者：查找链接数学科学网：MR4356575·doi:10.1080/07350015.2020.1811102 [8] FOSTER，D.J.和SYRGKANIS，V.（2023年）。正交统计学习。安。统计师。51 879-908. 数字对象标识符：10.1214/23-AOS2258谷歌学者：查找链接数学科学网：MR4630373·Zbl 07732733号 ·doi:10.1214/23-AOS2258 [9] FOSTER，J.C.、TAYLOR，J.M.G.和RUBERG，S.J.（2011）。随机临床试验数据的亚组鉴定。统计医学30 2867-2880。数字对象标识符：10.1002/sim.4322谷歌学者：查找链接数学科学网：MR2844689·doi:10.1002/sim.4322 [10] GAO，Z.和HAN，Y.（2020年）。非均匀处理效果的Minimax最优非参数估计。预印。可从arXiv:2002.06471获取。 [11] GINé，E.和NICKL，R.（2016）。无限维统计模型的数学基础。剑桥统计与概率数学系列，[40]。纽约剑桥大学出版社。数字对象标识符：10.1017/CBO9781107337862谷歌学者：查找链接数学科学网：MR3588285·Zbl 1358.62014号 ·doi:10.1017/CBO9781107337862 [12] Hahn，P.R.、Murray，J.S.和Carvalho，C.M.（2020年）。因果推断的贝叶斯回归树模型：正则化、混淆和异质效应（附讨论）。贝叶斯分析。15 965-1056. 数字对象标识符：10.1214/19-BA1195谷歌学者：查找链接数学科学网：MR4154846·Zbl 1475.62102号 ·doi:10.1214/19-BA1195 [13] HERNáN，M.A.和ROBINS，J.M.（2020年）。因果推理：假设分析。CRC，Boca Raton，FL。 [14] IBRAGIMOV，I.A.、NEMIROVSKIĬ，A.S.和KHAS'MINSKIĬ，R.Z.（1986）。高斯白噪声中非参数估计的若干问题。特奥。维罗亚特。Primen公司。31 451-466. 数学科学网：MR0866866·Zbl 0623.62028号 [15] Imai，K.和Ratkovic，M.（2013）。评估随机方案评估中的治疗效果异质性。附录申请。统计数据7 443-470。数字对象标识符：10.1214/12-AOAS593谷歌学者：查找链接数学科学网：MR3086426·Zbl 1376.62036号 ·doi:10.1214/12-AOAS593 [16] 于宁斯特。I.和SUSLINA，I.A.（2003年）。高斯模型下的非参数拟合优度检验。统计学课堂讲稿169。纽约州施普林格。数字对象标识符：10.1007/978-0-387-21580-8谷歌学者：查找链接数学科学网：MR1991446·Zbl 1013.62049号 ·数字对象标识代码：10.1007/978-0-387-21580-8 [17] KENNEDY，E.H.（2023年）。异质因果效应的最优双稳健估计。电子。《美国联邦法律大全》第17卷第3008-3049页。数字对象标识符：10.1214/23-ejs2157谷歌学者：查找链接数学科学网：MR4667730·doi:10.1214/23-ejs2157 [18] KENNEDY，E.H、BALAKRISHNAN，S.、ROBINS，J.M和WASSERMAN，L.（2024）。补充“异质因果效应估计的最小最大比率”https://doi.org/10.1214/24-AOS2369SUPP网站 [19] KUENZEL，S.R.（2019）。基于机器学习的异质治疗效果评估。ProQuest LLC，密歇根州安阿伯。论文（博士）-加州大学伯克利分校。数学科学网：MR4051203 [20] LEE，S.、OKUI，R.和WHANG，Y.-J.（2017）。条件平均处理效应函数的双稳健一致置信带。J.应用。计量经济学32 1207-1225。数字对象标识符：10.1002/jae.2574谷歌学者：查找链接数学科学网：MR3734484·doi:10.1002/jae.2574 [21] LIU，L.，MUKHERJEE，R.，ROBINS，J.M.和TCHETGEN，TCHETGENE，E.（2021年）。非参数泛函的自适应估计。J.马赫。学习。决议22第99、66号论文。数学科学网：MR4279750·Zbl 07370616号 [22] LUEDTKE，A.R.和VAN DER LAAN，M.J.（2016）。最优动态处理规则的超学习。国际生物统计杂志。12 305-332. 数字对象标识符：10.1515/ijb-2015-0052谷歌学者：查找链接数学科学网：MR3505699·doi:10.1515/ijb-2015-0052 [23] MUKHERJEE，R.、NEWEY，W.K.和ROBINS，J.M.（2017）。半参数有效经验高阶影响函数估计量。预印本。可在arXiv:1705.07577获得。 [24] MUKHERJEE，R.、TCHETGEN，E.J.T.和ROBINS，J.M.（2015）。Lepski方法和非线性密度积分泛函的自适应估计。预印本。可在arXiv:1508.00249购买。 [25] Nemirovski，A.（2000年）。非参数统计主题。概率论与统计学讲座(圣弗卢尔, 1998). 数学课堂笔记。1738 85-277. 柏林施普林格。数学科学网：MR1775640·Zbl 0998.62033号 [26] NIE，X.和WAGER，S.（2021）。非均匀处理效应的准有序估计。生物特征108 299-319. 数字对象标识符：10.1093/biomet/asaa076谷歌学者：查找链接数学科学网：MR4259133·Zbl 07458256号 ·doi:10.1093/biomet/asaa076 [27] Robins，J.、Li，L.、Tchetgen，E.和van der Vaart，A.（2008）。非线性泛函的高阶影响函数和极大极小估计。《概率与统计学：纪念大卫·A·弗里德曼的论文》。Inst.数学。统计(智能弹药系统)收集。2 335-421. 俄亥俄州比奇伍德IMS。数字对象标识符：10.1214/193940307000000527谷歌学者：查找链接数学科学网：MR2459958·Zbl 1513.62067号 ·doi:10.1214/193940307000000527 [28] ROBINS，J.、LI，L.、TCHETGEN，E.和VAN DER VAART，A.W.（2009年）。二次半参数von Mises演算。梅特里卡69 227-247. 数字对象标识符：10.1007/s00184-008-0214-3谷歌学者：查找链接数学科学网：MR2481922·Zbl 1433.62102号 ·doi:10.1007/s00184-008-0214-3 [29] Robins，J.、Tchetgen，Tchetgon，E.、Li，L.和van der Vaart，A.（2009）。半参数极大极小速率。电子。《美国联邦法律大全》第3卷第1305-1321页。数字对象标识符：10.1214/09-EJS479谷歌学者：查找链接数学科学网：MR2566189·Zbl 1326.62080号 ·doi:10.1214/09-EJS479 [30] Robins，J.M.（1994）。使用结构嵌套平均值模型纠正随机试验中的不合规性。通信统计。理论方法23 2379-2412。数字对象标识符：10.1080/03610929408831393谷歌学者：查找链接数学科学网：MR1293185·Zbl 0825.62203号 ·doi:10.1080/03610929408831393 [31] Robins，J.M.、Li，L.、Mukherjee，R.、Tchetgen，E.T.和van der Vaart，A.（2017）。结构化高维模型上泛函的极大极小估计。安。统计师。45 1951-1987. 数字对象标识符：10.1214/16-AOS1515谷歌学者：查找链接数学科学网：MR3718158·Zbl 1459.62047号 ·doi:10.1214/16-AOS1515 [32] ROBINS，J.M.、MARK，S.D.和NEWEY，W.K.（1992）。通过建模以混杂因素为条件的暴露预期来估计暴露效应。生物计量学48 479-495. 数字对象标识符：10.2307/2532304谷歌学者：查找链接数学科学网：MR1173493·Zbl 0768.62099号 ·doi:10.2307/2532304 [33] Robinson，P.M.（1988）。根-（N）-一致半参数回归。计量经济学56 931-954. 数字对象标识符：10.2307/1912705谷歌学者：查找链接数学科学网：MR0951762·Zbl 0647.62100号 ·doi:10.2307/1912705 [34] SEMENOVA，V.和CHERNOZHUKOV，V.（2017）。条件平均处理效果和其他结构函数的估计和推断。arXiv-1702，arXiv。 [35] SHALIT，U.、JOHANSSON，F.D.和SONTAG，D.（2017年）。估计个体治疗效果：推广范围和算法。第34届国际机器学习会议论文集——第70卷3076-3085。JMLR.org网站。 [36] SHEN，Y.、GAO，C.、WITTEN，D.和HAN，F.（2020年）。随机设计非参数回归中方差的最优估计。安。统计师。48 3589-3618. 数字对象标识符：10.1214/20-AOS1944谷歌学者：查找链接数学科学网：MR4185821·Zbl 1460.62053号 ·doi:10.1214/20-AOS1944 [37] Tsybakov，A.B.（2009年）。非参数估计简介。统计学中的斯普林格系列。纽约斯普林格出版社，2004年法文原版的修订和延伸，弗拉基米尔·扎亚茨翻译。数字对象标识符：10.1007/b13794谷歌学者：查找链接数学科学网：MR2724359·Zbl 1029.62034号 ·doi:10.1007/b13794 [38] 范德兰，M.J.（2006）。变量重要性的统计推断。国际生物统计杂志。2第2条、第33条。数字对象标识符：10.2202/1557-4679.1008谷歌学者：查找链接数学科学网：MR2275897·doi:10.2202/1557-4679.1008 [39] van der Laan，M.J.和Robins，J.M.（2003）。审查纵向数据和因果关系的统一方法。统计学中的斯普林格系列。纽约州施普林格。数字对象标识符：10.1007/978-0-387-21700-0谷歌学者：查找链接数学科学网：MR1958123·兹比尔1013.62034 ·数字对象标识代码：10.1007/978-0-387-21700-0 [40] VANSTEELANDT，S.和JOFFE，M.（2014）。结构嵌套模型和G估计：部分实现的承诺。统计师。科学。29 707-731. 数字对象标识符：10.1214/14-STS493谷歌学者：查找链接MathSciNet:MR3300367 zbMATH:1331.62208·兹比尔1331.62208 ·doi:10.1214/14-STS493 [41] Wager，S.和Athey，S.（2018年）。使用随机森林评估和推断异质处理效果。J.Amer。统计师。协会113 1228-1242。数字对象标识符：10.1080/01621459.2017.1319839谷歌学者：查找链接数学科学网：MR3862353·Zbl 1402.62056号 ·doi:10.1080/01621459.2017.1319839 [42] WANG，L.、BROWN，L.D.、CAI，T.T.和LEVINE，M.（2008）。非参数回归中均值对方差函数估计的影响。安。统计师。36 646-664. 数字对象标识符：10.1214/0090536000009001谷歌学者：查找链接数学科学网：MR2396810·兹比尔1133.62033 ·doi:10.1214/009053607000009001 [43] 赵清、SMALL，D.S.和ERTEFAIE，A.（2022）。通过套索进行效果修改的选择性推理。J.R.统计社会服务。B.统计方法。84 382-413. 数字对象标识符：10.1111/rssb.12483谷歌学者：查找链接数学科学网：MR4412991·Zbl 07593416号 ·doi:10.1111/rssb.12483 [44] ZIMMERT，M.和LECHNER，M.（2019年）。高维混杂下因果异质性的非参数估计。预印本。可在arXiv:1908.08779获得。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。