基于分布距离的因果效应

比较反事实分布能为因果效应提供更细致且有价值的度量，超越平均值等典型汇总统计量。本工作中，我们考虑通过分布距离刻画因果效应，聚焦于两类目标参数。第一类是反事实结果密度。我们提出一种反事实密度的双重稳健型估计量，并研究其收敛速率与极限分布。我们分析所提估计量在 L_q 和积分 L_q 风险上的渐近上界，并提出基于 bootstrap 的置信带。第二类是由不同反事实分布间 L_1 距离定义的新型分布因果效应。我们研究估计所提分布效应的三种方法：平滑反事实密度、平滑 L_1 距离，以及施加边缘条件。对每种方法，我们分析所提估计量的渐近性质与误差界，并讨论潜在优缺点。进而我们给出获取置信区间的 bootstrap 方法，并提出一种无分布效应的检验。最后以数值说明和真实世界示例作结。