面向随机对象结果的连续处理方法的双鲁棒因果推断

因果推断是统计学和科学发现的核心，使研究人员能够识别超越关联关系的因果关系。虽然传统上在欧几里得空间内进行研究，但当今应用日益涉及复杂的非欧几里得数据结构，这些数据驻留在抽象度量空间中，称为随机对象，如图像、形状、网络和分布。本文为随机对象结果的连续处理方法引入了新的因果推断框架。为解决线性结构缺失带来的挑战，我们利用希尔伯特空间嵌入来实现度量空间的弗雷谢均值估计和因果效应映射。针对细颗粒物质暴露对美国各县年龄分布影响的研究，我们提出了一种非参数、双鲁棒的因果推断方法，用于随机对象结果的连续处理。我们的框架能够容纳中等维度的向量型混杂因素，并为估计构建高效影响函数，确保稳健性和可解释性。我们建立了交叉拟合估计量的严格渐近性质，并采用共轭推断技术进行反事实结果预测。通过数值实验和实际环境数据验证，我们的框架将因果推断方法扩展到复杂数据结构，拓宽了其在跨学科领域的适用性。