Non-parametric Methods for Doubly Robust Estimation of Continuous Treatment Effects
连续处理效应双重稳健估计的非参数方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究连续处理的因果效应与双重稳健协变量调整，直接对应因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
连续处理效应双重稳健估计的非参数方法
- 研究问题
- 如何在不预设参数化剂量效应曲线的情况下估计连续处理效应，并允许处理密度或结果回归其中之一存在误设？
- 方法与思路
- 作者提出核平滑方法，以效应曲线的温和平滑性为基础实现双重稳健协变量调整，并给出渐近分析及数据驱动带宽选择。
- 材料陈述的贡献
- 摘要称方法兼顾非参数效应曲线与双重稳健调整，推导渐近性质，并通过模拟及护士配置对再入院处罚的应用展示。
- 阅读关注点
- 应核对连续处理效应的识别条件、重叠要求、辅助模型误差与带宽的关系，以及双重稳健性和推断有效性各自的条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明完整因果识别条件、收敛率要求或应用结果，不能确认任意模型误设下推断有效。
原文摘要
Summary Continuous treatments (e.g. doses) arise often in practice, but many available causal effect estimators are limited by either requiring parametric models for the effect curve, or by not allowing doubly robust covariate adjustment. We develop a novel kernel smoothing approach that requires only mild smoothness assumptions on the effect curve and still allows for misspecification of either the treatment density or outcome regression. We derive asymptotic properties and give a procedure for data-driven bandwidth selection. The methods are illustrated via simulation and in a study of the effect of nurse staffing on hospital readmissions penalties.