基于连续指标化 nuisance 参数估计器的协同靶向推断
统计方法学
2018-04-09 v2 统计理论
机器学习
统计理论
摘要
我们希望从抽取独立观测的规律中推断某一参数的值。该参数是光滑的，并且我们可以定义该规律的两个变化无关特征，即其 - 与 -分量，使得以足够快的乘积速率一致估计它们，便能从朴素的靶向最小损失估计器（TMLE）构建具有给定渐近水平的置信区间（CI）。假设上述乘积速率不够快，且 -分量的算法由一个实值 精细调节。以通过交叉验证选定的 所做的朴素 TMLE 通常不能给出 CI。我们构造了一个协同 TMLE（C-TMLE），并在温和条件下证明：若存在使得某个庞大余项渐近高斯化的神谕 ，则 C-TMLE 可给出 CI。我们以平均处理效应的推断来说明我们的发现。我们进行了一项模拟研究，其中 -分量由 LASSO 估计，而 为系数范数的界。该研究在低维到高维基线协变量以及可能存在正性违背的情况下，揭示了小样本性质。
引用
@article{arxiv.1804.00102,
title = {Collaborative targeted inference from continuously indexed nuisance parameter estimators},
author = {Cheng Ju and Antoine Chambaz and Mark J. van der Laan},
journal= {arXiv preprint arXiv:1804.00102},
year = {2018}
}
备注
38 pages