研究实际正定性违背情况下TMLE中针对平均处理效应的目标化策略与截断
统计方法学
2026-04-28 v2
摘要
在正定性假设存在实际违背的情况下，从观测数据中估计平均处理效应具有挑战性。目标最大似然估计（TMLEs）因其双重稳健性和效率而被广泛使用，但它们对此类违背仍然敏感。我们进行了广泛的模拟研究，以考察在不同程度的结果回归模型误设和实际正定性压力下，目标化策略和截断水平如何影响 TMLE 的性能。我们表明，相对于巧妙协变量缩放的目标化，损失加权目标化可能引入显著的系统性偏差，而对于巧妙协变量缩放的目标化，截断不足会导致方差膨胀和估计不稳定。我们进一步发现，形式为 c/(sqrt(n) log n) 的固定截断规则，特别是当 c = 5 或 c = 6 时，在许多情况下提供了稳健的实用默认值，尽管最优选择随样本量而变化。受标准 Lepski 选择局限性的启发，我们提出了一种带有制动机制的 Lepski 型自适应截断程序，该程序提高了数据自适应调优的稳定性。我们还比较了方差估计量，发现目标化自助法方差估计在不同截断水平下提供了一种稳定的替代方案。
引用
@article{arxiv.2604.20059,
title = {Investigating Targeting Strategies and Truncation in TMLE for the Average Treatment Effect under Practical Positivity Violations},
author = {Yichen Xu and Susan Gruber and Mark J. van der Laan},
journal= {arXiv preprint arXiv:2604.20059},
year = {2026}
}