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。