动态处理效应：模型误设下的高维推断
统计方法学
2025-01-31 v3 机器学习
计量经济学
统计理论
机器学习
统计理论
摘要
估计动态处理效应在各学科中至关重要，可提供对干预的时变因果影响的洞察。然而，由于时变混杂，该估计带来挑战，导致潜在有偏估计。此外，准确设定随多次暴露而增长的不断增多的处理分配与结果模型显得愈发困难。双重稳健性允许模型误设，在应对这些挑战中极具价值。本文提出一种新颖的“序贯模型双重稳健”估计量。我们发展了新的矩目标估计以考虑混杂效应，并确立只要在每个暴露时刻至少一个干扰模型被正确设定，即便存在高维协变量，也可实现 root- 推断。尽管干扰估计本身未达到 root- 速率，我们框架中精心设计的损失函数确保了感兴趣因果参数的最终 root- 推断。与现成的高维方法不同——后者即使在双重稳健框架内也无法在模型误设下提供稳健推断——我们新开发的损失函数有效解决了这一局限。
引用
@article{arxiv.2111.06818,
title = {Dynamic treatment effects: high-dimensional inference under model misspecification},
author = {Yuqian Zhang and Weijie Ji and Jelena Bradic},
journal= {arXiv preprint arXiv:2111.06818},
year = {2025}
}