×
王佳怡;Raymond K.W.Wong。;杨，舒;Chan，Kwon Chuen Gary先生

通过双核-变量平衡估计部分条件平均治疗效果。 （英语） Zbl 07578470号

电子。J.统计。 16，第2期，4332-4378（2022）.
小结：我们研究了部分条件平均治疗效应的非参数估计，定义为在感兴趣的混杂子集上的治疗效应函数。我们提出了一种双核加权估计器，其中权重的目的是在对感兴趣的变量子集进行核平滑后，控制来自再生核Hilbert空间的混杂函数的任何函数的平衡误差。此外，我们还提出了一种可合并结果平均函数估计的增广估计。基于表征定理，基于梯度的算法可以用于求解相应的无穷维优化问题。研究渐近性质时，不需要对倾向得分函数进行任何光滑性假设，也不需要进行数据分割，从而放宽了某些现有的严格假设。通过模拟研究和母亲吸烟对婴儿出生体重影响的应用，验证了该估计器的数值性能。

引用于1文件

MSC公司：

62至XX 统计

关键词：

增广加权估计器;因果推理;完全和部分条件平均处理效果;处理效果异质性

软件：

sbw公司;科恩平滑;全球供应链
PDF格式BibTeX公司 XML格式引用
\textit{J.Wang}等人，《电子》。J.Stat.16，No.2，4332--4378（2022；Zbl 07578470）
全文： 内政部 arXiv公司 链接

参考文献：

[1] ABREVAYA，J.（2006）。使用匹配面板数据方法评估吸烟对出生结局的影响。应用计量经济学杂志21 489-519.
[2] ABREVAYA，J.和DAHL，C.M.（2008年）。出生输入对出生体重的影响：来自面板数据分位数估计的证据。商业与经济统计杂志26 379-397.
[3] ABREVAYA，J.、HSU，Y.-C.和LIELI，R.P.（2015）。估计条件平均治疗效果。商业与经济统计杂志33 485-505.
[4] ALMOND，D.、CHAY，K.Y.和LEE，D.S.（2005）。低出生体重的代价。经济学季刊120 1031-1083.
[5] ATHEY，S.、IMBENS，G.W.和WAGER，S.（2018年）。近似残差平衡：在高维度中对平均治疗效果进行减损推断。英国皇家统计学会杂志：B辑（统计方法）80 597-623. ·Zbl 1398.62194号
[6] BARTLETT，P.L.、BOUSQUET，O.、MENDELSON，S.等人（2005年）。局部雷达的复杂性。统计年鉴33 1497-1537. ·Zbl 1083.62034号
[7] BIRMAN，M.S.和SOLOMYAK，M.Z.（1967年）。W_pˆ\（α\）类函数的分段多项式逼近。Matematicheskii Sbornik公司115 331-355. ·Zbl 0173.16001号
[8] CALONICO，S.、CATTANEO，M.D.和FARRELL，M.H.（2019年）。nprobust：基于非参数核的估计和稳健的偏差修正推理。arXiv预打印arXiv：1906.00198.
[9] CHAN，K.C.G.，YAM，S.C.P.和ZHANG，Z.（2016）。通过经验平衡校准加权对平均治疗效果进行全球有效的非参数推断。英国皇家统计学会杂志。B系列，统计方法78 673. ·兹伯利1414.62107
[10] CHERNOZHUKOV，V.、CHETVERIKOV，D.、DEMIRER，M.、DUFLO，E.、HANSEN，C.、NEWEY，W.和ROBINS，J.（2018年）。用于治疗和结构参数的双/脱苦机器学习。计量经济学杂志21 C1-C68·Zbl 07565928号
[11] CHERNOZHUKOV，V.、NEWEY，W.、ROBINS，J.和SINGH，R.（2018）。使用正则化riesz表示的全局和局部参数的双/双偏倚机器学习。arXiv预打印arXiv：1802.08667.
[12] EINMAHL，U.，MASON，D.M.等人（2005年）。核型函数估计量的带宽一致性。统计年鉴33 1380-1403. ·兹比尔1079.62040
[13] 范琦、徐宇春、李力、张瑜（2020）。用高维数据估计条件平均治疗效果。商业与经济统计杂志仅接受1-39。
[14] FOX，S.H.、KOEPSELL，T.D.和DALING，J.R.（1994年）。出生体重和怀孕期间吸烟会影响母亲年龄的调整。美国流行病学杂志139 1008-1015.
[15] GU，C.（2013）。平滑样条方差分析模型297.施普林格科技与商业媒体。
[16] HAINMUELLER，J.（2012）。因果效应的熵平衡：在观察性研究中产生平衡样本的多元重加权方法。政治分析25-46.
[17] HARDER，R.L.和DESMARAIS，R.N.（1972年）。使用曲面样条线进行插值。飞机日志9 189-191.
[18] HáRDLE，W.K.等人（1991年）。平滑技术：在S中实现Springer科学与商业媒体·Zbl 0716.62040号
[19] HILL，J.L.（2011）。因果推理的贝叶斯非参数建模。计算与图形统计杂志20 217-240.
[20] IMAI，K.和RATKOVIC，M.（2014年）。协变量平衡倾向得分。英国皇家统计学会杂志：B辑：统计方法243-263. ·Zbl 1411.62025号
[21] 英本斯，G.W.（2004）。异质性下平均治疗效果的非参数估计：综述。经济与统计复习86 4-29.
[22] KALLUS，N.（2020年）。因果推理的广义最优匹配方法。机器学习研究杂志21 1-54. ·Zbl 1498.62035号
[23] KANG，J.D.和SCHAFER，J.L.（2007）。双重稳健性的解密：从不完整数据估计总体平均值的替代策略的比较。统计科学523-539. ·Zbl 1246.62073号
[24] KENNEDY，E.H.（2020年）。异质因果效应的最优双稳健估计。arXiv预打印arXiv:2004.14497.
[25] KOLTCHINSKII，V.（2011）。经验风险最小化和稀疏恢复问题中的Oracle不等式：圣弗洛尔概率经济学院XXXVIII-20082033.施普林格科技与商业媒体·Zbl 1223.91002号
[26] KRAMER，M.S.（1987年）。宫内生长和妊娠期决定因素。儿科80 502-511.
[27] 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。应用计量经济学杂志32 1207-1225.
[28] LIN，Y.等人（2000年）。张量积空间方差分析模型。统计年鉴28 734-755. ·Zbl 1105.62329号
[29] MACK，Y.-P.和SILVERMAN，B.W.（1982）。核回归估计的弱一致性和强一致性。《华尔街日报》和《华尔街日报》61 405-415. ·Zbl 0495.62046号
[30] NIE，X.和WAGER，S.（2017年）。非均匀处理效应的准有序估计。arXiv预印本arXiv：1712.04912. ·Zbl 07458256号
[31] OPRESCU，M.、SYRGKANIS，V.和WU，Z.S.（2019年）。因果推理的正交随机森林。在机器学习国际会议4932-4941. PMLR公司。
[32] PEARCE，N.D.和WAND，M.P.（2006年）。惩罚样条和再生核方法。美国统计学家60 233-240.
[33] QIN，J.和ZHANG，B.（2007）。缺失反应问题中基于经验似然的推理及其在观察性研究中的应用。英国皇家统计学会杂志：B辑（统计方法）69 101-122. ·Zbl 07555352号
[34] Rosenbaum，P.R.和Rubin，D.B.（1983年）。倾向评分在因果效应观察性研究中的中心作用。生物特征70 41-55. ·Zbl 0522.62091号 ·doi:10.1093/biomet/70.1.41
[35] RUPPERT，D.、SHEATHER，S.J.和WAND，M.P.（1995）。局部最小二乘回归的有效带宽选择器。美国统计协会杂志90 1257-1270. ·Zbl 0868.62034号
[36] 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公司arXiv-1702。
[37] 塞梅诺娃，V.和切尔诺朱科夫，V.（2020）。条件平均处理效应和其他因果函数的借方机器学习。计量经济学杂志. ·Zbl 07546401号
[38] Van der Vaart，A.W.（2000年）。渐近统计3.剑桥大学出版社·Zbl 0943.6202号
[39] WAGER，S.和ATHEY，S.（2018）。使用随机森林评估和推断异质处理效果。美国统计协会杂志113 1228-1242. ·Zbl 1402.62056号
[40] WAHBA，G.（1990年）。观测数据的样条曲线模型.暹罗·Zbl 0813.62001号
[41] WALKER，M.、TEKIN，E.和WALLACE，S.（2007年）。国家经济研究局《青少年吸烟与生育结果技术报告》。
[42] WAND，M.P.和JONES，M.C.（1994）。平滑化Crc出版社。
[43] Wang，Y.和Zubizarreta，J.R.（2020年）。最小离散近似平衡权：渐近性质和实际考虑。生物特征107 93-105. ·Zbl 1435.62054号 ·doi:10.1093/biomet/asz050
[44] WASSERMAN，L.（2006）。所有非参数统计Springer科学与商业媒体·Zbl 1099.62029号
[45] WONG，R.K.和CHAN，K.C.G.（2018年）。观察性研究中基于核的协变量功能平衡。生物特征105 199-213. ·Zbl 07072401号
[46] 赵强等（2019）。定制损失函数的协变量平衡倾向得分。统计年鉴47 965-993. ·Zbl 1420.62464号
[47] ZHENG，W.和VAN DER LAAN，M.J.（2011）。基于交叉验证的目标最小损失估计。在有针对性的学习459-474. 斯普林格。
[48] ZIMMERT，M.和LECHNER，M.（2019年）。高维混杂下因果异质性的非参数估计。arXiv预打印arXiv：1908.08779.
[49] ZUBIZARRETA，J.R.（2015）。在不完整结果数据的估计中平衡协变量的稳定权重。美国统计协会杂志110 910-922. ·Zbl 1373.62051号
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。