用于估计功能性处理因果效应的修正功能处理政策
统计方法学
2026-02-11 v1
摘要
功能性数据在生物医学研究中日益普及。虽然功能性数据分析已发展了数十年，但在功能性处理下的因果推断仍基本未被探索。现有方法通常致力于估计因果平均剂量反应函数（ADRF），该方法要求强正性假设且可解释性有限。本文针对新的因果估计量——修正功能处理政策（MFTP），其关注于估计每个人稍微修改其观察处理轨迹后的平均潜在结果。该新估计量的一个主要挑战在于：需对没有密度的无限维对象进行平均。我们通过提出一种基于功能主成分分析（FPCA）分解的功能变量 population 平均的新定义，建立了 MFTP 估计量的因果可识别性。我们进一步推导了 MFTP 的结果回归、逆概率加权和双鲁棒估计器，并在温和的正则条件下提供了理论保证。通过大量模拟研究验证了所提估计器的有效性。将 MFTP 框架应用于国家健康与营养检查调查（NHANES）手环数据，我们估计了减少 disruptive 夜间活动和低活动持续时间对所有因素死亡率的因果效应。
引用
@article{arxiv.2602.09145,
title = {Estimating causal effects of functional treatments with modified functional treatment policies},
author = {Ziren Jiang and Erjia Cui and Jared D. Huling},
journal= {arXiv preprint arXiv:2602.09145},
year = {2026}
}