最优加权平均导数效应
统计方法学
2024-04-10 v2 统计理论
统计理论
摘要
加权平均导数效应（WADE）是一类在非参数估计中具有经济学与因果推断用途的估计量。去偏 WADE 估计量通常需要学习条件均值结果以及一个刻画所需去偏修正的 Riesz 代表元（RR）。WADE 的 RR 估计量常依赖核估计量，从而引入复杂的依赖于带宽的偏差。在我们的工作中，我们提出一类与 WADE 类同构的新 RR，并推导出具最小非参数效率界意义下的最优 WADE 权重。我们的最优 WADE 估计量仅需估计条件期望（例如使用机器学习），从而克服了核估计量的局限。此外，我们将最优 WADE 与部分线性模型中的投影参数相联系。我们基于所谓的增量效应，赋予 WADE 与投影参数以因果解释。我们针对该类中的两个 WADE 估计量提出了高效估计量，并在数值实验中予以评估，且用于确定华法林剂量对凝血功能的影响。
引用
@article{arxiv.2308.05456,
title = {Optimally weighted average derivative effects},
author = {Oliver Hines and Karla Diaz-Ordaz and Stijn Vansteelandt},
journal= {arXiv preprint arXiv:2308.05456},
year = {2024}
}