摘要
异质效应估计在因果推断中至关重要,在医学和社会科学中都有应用。已经提出了许多估算条件平均治疗效果(CATE)的方法,但在了解这些方法是否最佳以及何时最佳方面存在差距。当CATE具有非平凡结构(例如,平滑性或稀疏性)时,尤其如此。我们的工作在几个方面作出了贡献。首先,我们研究了一个两阶段双稳健CATE估计,并给出了一个通用的误差界,其产生的速率比大多数文献快。我们应用该界导出了光滑非参数模型中的错误率,并给出了预言机有效的充分条件。在此过程中,我们给出了具有估计结果的回归的一般误差界;这是第二个主要贡献。第三个贡献旨在了解CATE估计的基本统计极限。为此,我们提出并研究了双残差回归的局部多项式自适应。我们证明了这个估计器在更弱的条件下是预言有效的,并且我们推测它们在极小极大意义上是极小的。我们接着给出了非平凡制度下的误差界限,在这种制度下,预言率无法实现。通过模拟探索了一些有限样本特性。
资金筹措表
本研究得到了NSF DMS拨款1810979、NSF职业奖2047444和NIH R01拨款LM013361-01A1的支持。
致谢
作者感谢Sivaraman Balakrishnan、Matteo Bonvini、Aaron Fisher、Virginia Fisher,Jamie Robins和Larry Wasserman进行了非常有益的讨论。
引用
下载引文
爱德华·H·肯尼迪。
“对异质因果效应进行最佳双稳健估计。”
电子。J.统计。
17
(2)
3008 - 3049,
2023
https://doi.org/10.1214/23-EJS2157
问询处
收到日期:2022年5月1日;发布日期:2023年
欧几里德项目首次推出:2023年11月14日
数字对象标识符:10.1214/23-EJS2157
学科:
主要用户:62G08号,62甲12,62N01号
关键词:条件性影响,影响函数,最低最高利率,非参数回归