面向治疗规则下均值潜在结果的自适应目标最大似然估计
统计方法学
2026-05-06 v2 统计理论
统计理论
摘要
估计治疗规则下潜在结果的均值是因果推断和政策评估中的核心问题。标准估计器，包括逆概率加权(IPW)、增强IPW(AIPW)和目标最大似然估计(TMLE)，在实际正性违反的情况下可能不稳定，因为其靶向或加权步骤依赖于逆倾向得分。我们提出一种自适应目标最大似然估计(A-TMLE)框架，使用条件平均处理效应(CATE)的数据自适应工作模型。该工作模型诱导一个投影策略值参数，其在CATE良好表示自适应基底时，与非参数均值潜在结果一致。我们推导了投影参数的有效影响函数，并刻画了其二阶剩余项。我们还引入一种正则化TMLE，通过对标准TMLE巧妑协变量在CATE工作模型诱导的记分空间上进行投影来获得稳定的靶向协变量。我们量化了正则化TMLE相对于非参数目标的一次插值偏差。所得的靶向步骤避免了直接的逆倾向得分加权，在有限重叠条件下提高了稳定性。在仿真研究中，A-TMLE和正则化TMLE在实际正性违反条件下实现较低的均方误差和改进的覆盖率，相较于IPW、AIPW和标准TMLE；在治疗重叠较强时保持与之竞争。一个真实数据应用到右心导管研究中表明，自适应估计器产生了稳定的政策值估计，其置信区间显著缩短于IPW和AIPW。
引用
@article{arxiv.2605.01671,
title = {Adaptive Targeted Maximum Likelihood Estimation of the Mean Potential Outcome under a Treatment Rule},
author = {Yichen Xu and Mark J. van der Laan},
journal= {arXiv preprint arXiv:2605.01671},
year = {2026}
}
备注
Withdrawn by the authors because this version was submitted prematurely before coauthor review and approval were complete. The manuscript requires further revision, including clarification of its relationship to prior adaptive TMLE work