关于“关于机器学习估计的因果参数名义置信区间覆盖的近乎无假设检验”的讨论
统计方法学
2020-06-18 v1
摘要
我们祝贺作者发表了这篇令人振奋的论文,其引入了评估因果估计中估计偏差的新思路。双重稳健估计量如今已是因果推断标准工具集的一部分,但典型分析止步于估计值与置信区间。作者给出了一种独特类型的模型检验方法,使用户能够检验偏差相对于标准误是否足够小,而这通常正是置信区间可靠所必需的。
引用
@article{arxiv.2006.09613,
title = {Discussion of "On nearly assumption-free tests of nominal confidence interval coverage for causal parameters estimated by machine learning"},
author = {Edward H. Kennedy and Sivaraman Balakrishnan and Larry A. Wasserman},
journal= {arXiv preprint arXiv:2006.09613},
year = {2020}
}