Nonparametric estimation of the continuous treatment effect with measurement error
存在测量误差的连续处理效应非参数估计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：摘要明确以连续处理的平均剂量—反应函数为目标，研究测量误差下的识别、估计与推断，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…
关注这篇论文的作者
存在测量误差的连续处理效应非参数估计
- 研究问题
- 当连续处理变量受到测量误差污染时，如何识别并非参数估计平均剂量—反应函数，同时开展统计推断？
- 方法与思路
- 作者以加权条件期望识别目标，通过结合反卷积核和扩展条件矩的局部广义经验似然估计权重，再构造反卷积核估计量。
- 材料陈述的贡献
- 摘要称推导了估计量的渐近偏差、方差和线性展开，并用模拟外推选择平滑参数，提出稳定计算的外推程序及应用展示。
- 阅读关注点
- 应核对处理效应识别及测量误差的条件、误差分布所需信息、条件矩和权重估计，以及平滑参数选择对推断的影响。
- 阅读边界
- 仅据所给Crossref摘要。摘要未说明混杂控制、测量误差分布及完整正则条件，也未提供模拟和实证数值，不能判断具体应用的识别有效性。
原文摘要
Abstract We identify the average dose–response function (ADRF) for a continuously valued error-contaminated treatment by a weighted conditional expectation. We then estimate the weights nonparametrically by maximising a local generalised empirical likelihood subject to an expanding set of conditional moment equations incorporated into the deconvolution kernels. Thereafter, we construct a deconvolution kernel estimator of ADRF. We derive the asymptotic bias and variance of our ADRF estimator and provide its asymptotic linear expansion, which helps conduct statistical inference. To select our smoothing parameters, we adopt the simulation-extrapolation method and propose a new extrapolation procedure to stabilise the computation. Monte Carlo simulations and a real data study illustrate our method’s practical performance.