面向连续处理的 R-learner
统计方法学
2025-04-21 v3
摘要
R-learner 因其在估计条件平均处理效应方面的灵活性与高效性而被广泛用于因果推断。然而，将 R-learner 框架从二元处理推广到连续处理会引入不可识别性问题，因为条件平均处理效应固有的函数零约束在连续处理下的 R-损失中无法直接施加。为此，我们提出一种两步识别策略：首先通过 Tikhonov 正则化识别一个中间函数，然后利用零约束算子恢复条件平均处理效应。基于该策略，我们发展了 -正则化 R-learner 框架以估计连续处理的条件平均处理效应。新框架兼容现代的灵活机器学习算法来估计 nuisance 函数与目标估计量。当目标估计量由 B-样条的筛近似逼近时，我们给出了其理论性质，包括误差率、渐近正态性与置信区间。
引用
@article{arxiv.2208.00872,
title = {Towards R-learner with Continuous Treatments},
author = {Yichi Zhang and Dehan Kong and Shu Yang},
journal= {arXiv preprint arXiv:2208.00872},
year = {2025}
}