李璐;罗，魏;梅吉·温雪荣;于，周 通过足够的降维来估计处理后的平均处理效果。 （英语） Zbl 07851307号 斯达 10，第1号，论文编号e367，第10页（2021年）. 摘要：在本文中，我们建议使用充分降维（SDR）和非参数技术来估计处理后（ATT）的平均处理效果，ATT是因果推断中共同感兴趣的参数。该方法适用于数据中的一般低维结构，并避免了模型错误指定的风险和“维数灾难”，这通常优于现有的参数和非参数方法。我们发展了所提出方法的理论性质，包括它的渐近正态性、渐近超效率，以及它作为增广逆概率加权估计器的等价形式。我们还考虑了SDR估计在渐近研究中的影响。最后的仿真研究进一步说明了这些理论结果。{©2021 John Wiley&Sons有限公司} 理学硕士： 62至XX 统计 关键词：渐近方差;因果推断;充分降维;治疗效果异质性 PDF格式BibTeX公司 XML格式引用 \textit{L.Li}等人，Stat 10，No.1，论文编号e367，10 p.（2021；Zbl 07851307） 全文： 内政部 参考文献： [1] 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（4），485-505。https://doi.org/10.1080/07350015.2014.975555 ·doi:10.1080/07350015.2014.975555 [2] Becker，S.O.和Ichino，A.（2002年）。根据倾向得分估计平均治疗效果。《统计杂志》，2（4），358-377。https://doi.org/10.1177/1536867X0200200403 ·doi:10.1177/1536867X0200200403 [3] Butler，R.J.和McDonald，J.B.（1987年）。分配间收入不平等。《商业与经济统计杂志》，5（1），13-18。https://doi.org/10.1080/07350015.1987.10509555 ·doi:10.1080/07350015.1987.10509555 [4] 库克·R·D（2009）。回归图形：通过图形研究回归的想法，第482卷：John Wiley&Sons·Zbl 0903.62001 [5] Cook，R.D.和Li，B.（2004）。确定迭代Hessian变换的维数。《统计年鉴》，32（6），2501-2531。https://doi.org/10.1214/009053604000000661 ·Zbl 1069.62033号 ·doi:10.1214/009053604000000661 [6] Cook，R.D.和Weisberg，S.（1991年）。用于降维的分段反向回归：注释。《美国统计协会杂志》，86（414），328-332。https://doi.org/10.2307/2290564 ·Zbl 1353.62037号 ·doi:10.2307/2290564 [7] Garbacz，C.（1990年）。根据疾病控制中心的安全带使用数据估计安全带的有效性。《经济学快报》，34（1），83-88。https://doi.org/10.1016/0165-1765(90)90186-5 ·doi:10.1016/0165-1765（90）90186-5 [8] Glynn，A.N.和Quinn，K.M.（2010年）。介绍增广逆倾向加权估计量。政治分析，36-56。https://doi.org/10.1093/pan/mpp036 ·doi:10.1093/pan/mpp036 [9] Hahn，J.（1998）。关于倾向得分在平均治疗效果有效半参数估计中的作用。《计量经济学》，第315-331页。https://doi.org/10.2307/298560 ·Zbl 1055.62572号 ·doi:10.2307/298560 [10] Hammer，S.M.、Katzenstein，D.A.、Hughes，M.D.、Gundacker，H.、Schooley，R.T.、Haubrich，R.H.和Hirsch，M.S.（1996）。一项对CD4细胞计数为每立方毫米200至500个艾滋病毒感染成人进行核苷单药治疗与联合治疗的对比试验。《新英格兰医学杂志》。《计量经济学》，335（15），1081-1090。https://doi.org/10.1056/nejm199610103351501 ·doi:10.1056/nejm199610103351501 [11] Han，C.和Kim，B.（2011年）。对平均治疗效果的逆概率加权估计中悖论的GMM解释。《经济学快报》，110（2），163-165。https://doi.org/10.1016/j.econlet.2010.11.001 ·Zbl 1274.62934号 ·doi:10.1016/j.econlet.2010.11.001 [12] Hirano，K.、Imbens，G.W.和Ridder，G.（2003）。使用估计的倾向得分有效估计平均治疗效果。《计量经济学》，71（4），1161-1189。https://doi.org/10.1111/1468-0262.00442 ·Zbl 1152.62328号 ·数字对象标识代码：10.1111/1468-0262.00442 [13] Hu，Z.、Follmann，D.A.和Wang，N.（2014）。通过有效平衡分数估计平均反应。《生物统计学》，101（3），613-624。https://doi.org/10.1093/biomet/asu022 ·Zbl 1334.62038号 ·doi:10.1093/biomet/asu022 [14] Li，B.和Wang，S.（2007年）。关于降维的方向回归。美国统计协会杂志，102（479），997-1008。https://doi.org/10.1198/0162114507000000536 ·Zbl 1469.62300号 ·doi:10.1198/0162145000000536 [15] Li，K.C.（1991）。用于降维的分段反向回归。美国统计协会杂志，86（414），316-327。https://doi.org/101080/01621459.1991.10475035 ·Zbl 0742.62044号 ·数字对象标识代码：10.1080/01621459.1991.10475035 [16] Li，L.，Zhou，N.，&Zhu，L..（2020年）。基于结果回归的条件平均治疗效果评估。arXiv预印本arXiv，2009，10482。 [17] Luo，W.，&Li，B.（2016）。结合特征值和特征向量的变化来确定阶数。《生物特征》，103（4），875-887。https://doi.org/10.1093/biomet/asw051 ·Zbl 1506.62304号 ·doi:10.1093/biomet/asw051 [18] Luo，W.、Wu，W.和Zhu，Y.（2019）。使用足够的降维学习因果推理中的异质性。因果推理杂志，7（1）。https://doi.org/10.1515/jci-2018-0015 ·doi:10.1515/jci-2018-0015 [19] Luo，W.和Zhu，Y.（2019）。使用足够的降维进行匹配以进行因果推断。商业与经济统计杂志，1-13。https://doi.org/10.1080/07350015.2019.1609974 ·doi:10.1080/07350015.2019.1609974 [20] Luo，W.、Zhu，Y.和Ghosh，D.（2017）。使用充分的降维估计基于回归的因果效应。《生物特征》，104（1），51-65。https://doi.org/10.1093/biomet/asw068 ·Zbl 1506.62251号 ·doi:10.1093/biomet/asw068 [21] Ma，S.，Zhu，L.，Zhang，Z.，Tsai，C.L.，&Carroll，R.J.（2019年）。一种基于稀疏充分降维的稳健高效因果推理方法。统计年鉴，47（3），1505-1535。https://doi.org/10.1214/18-AOS1722 ·Zbl 1420.62178号 ·doi:10.1214/18-AOS1722 [22] Ma，Y.和Zhu，L.（2012年）。降维的半参数方法。《美国统计协会杂志》，107（497），168-179。https://doi.org/101080/01621459.2011.646925 ·Zbl 1261.62037号 ·doi:10.1080/016214519.2011.646925 [23] Ma，Y.，&Zhu，L.（2013）。在充分降维中进行有效估计。统计年鉴，41（1），250。https://doi.org/10.1214/12-AOS1072SUPP网站 ·Zbl 1347.62089号 ·doi:10.1214/12-AOS1072支持 [24] Moore，K.L.和van derLaan，M.J.（2009年）。二元结果随机试验中的协变量调整：目标最大似然估计。医学统计，28（1），39-64。https://doi.org/10.1002/sim.3445 ·doi:10.1002/sim.3445 [25] Petersen，M.、Schwab，J.、Gruber，S.、Blaser，N.、Schomaker，M.和van derLaan，M.（2014）。动态和静态纵向边缘结构工作模型的目标最大似然估计。因果推理杂志，2（2），147-185。https://doi.org/10.1515/jci-2013-0007 ·文件编号：10.1515/jci-2013-0007 [26] Robins，J.M.、Rotnitzky，A.和Zhao，L.P.（1994）。当某些回归变量不总是被观测时，回归系数的估计。《美国统计协会杂志》，89（427），846-866。https://doi.org/101080/01621459.1994.10476818 ·Zbl 0815.62043号 ·doi:10.1080/01621459.1994.10476818 [27] 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（1），41-55。https://doi.org/10.1093/biomet/70.1.41 ·Zbl 0522.62091号 ·doi:10.1093/biomet/70.1.41 [28] Rosenbaum，P.R.和Rubin，D.B.（1985年）。使用包含倾向得分的多元匹配抽样方法构建对照组。《美国统计学家》，39（1），33-38。https://doi.org/101080/00031305.1985.10479383 ·doi:10.1080/00031305.1985.10479383 [29] 鲁宾，D.B.（1974）。在随机和非随机研究中估计治疗的因果效应。《教育心理学杂志》，66（5），688。https://doi.org/10.1037/0037350 ·doi:10.1037/h0037350 [30] Shin，S.J.、Wu，Y.、Zhang，H.H.和Liu，Y..（2017）。用于二进制分类中充分降维的主加权支持向量机。Biometrika，104（1），67-81。https://doi.org/10.1093/biomet/asw057 ·Zbl 1506.62332号 ·doi:10.1093/biomet/asw057 [31] Song，X.和Ma，S.（2008）。具有测量误差的区间删失数据的多重增强。医学统计，27（16），3178-3190。https://doi.org/10.1002/sim.3156 ·doi:10.1002/sim.3156 [32] Tan，Z.（2007）。评论：理解或，ps和dr.统计科学，22（4），560-568。https://doi.org/10.1214/07-STS227A ·Zbl 1246.62077号 ·doi:10.1214/07-STS227A [33] Tan，Z.（2010）。带反加权的有界、有效和双重稳健估计。《生物特征》，97（3），661-682。https://doi.org/10.1093/biomet/asq035 ·Zbl 1195.62037号 ·doi:10.1093/biomet/asq035 [34] van derLaan，M.J.和Gruber，S.（2010年）。协同双稳健目标最大似然估计。国际生物统计学杂志，6（1），661-682。https://doi.org/10.2202/1557-4679.1181 ·doi:10.2202/1557-4679.1181 [35] Wang，Q.，Linton，O.，&Härdle，W.（2004）。随机缺失响应的半参数回归分析。《美国统计协会杂志》，99（466），334-345。https://doi.org/10.1198/016214500000449 ·Zbl 1117.62441号 ·doi:10.1198/016214500000449 [36] Xia，Y.，Tong，H.，Li，W.K.，&Zhu，L.X.（2002）。降维空间的自适应估计。英国皇家统计学会杂志：B辑（统计方法），64（3），363-410。https://doi.org/10.1111/1467-9868.03411 ·doi:10.1111/1467-9868.03411 [37] Yin，X.和Zhu，L.（2007年）。扩展广义部分线性单指数模型的估计方向。《计算与图形统计学杂志》，16（2），330-349。https://doi.org/10.1198/106186007X204140 ·doi:10.1198/106186007X204140 [38] Zhang，Y.、Shao，J.、Yu，M.和Wang，L.（2018）。充分降维对因果效应非参数估计的影响。统计理论及相关领域，2（1），89-95。https://doi.org/10.1080/24754269.2018.1466100 ·Zbl 07660162号 ·doi:10.1080/24754269.2018.1466100 [39] Zhu，L.，Miao，B.，&Peng，H.（2006）。用高维协变量进行分层逆回归。《美国统计协会杂志》，101（474），630-643。https://doi.org/10.1198/016214500500001285 ·Zbl 1119.62331号 ·doi:10.1198/016214500500001285 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。