Improved double-robust estimation in missing data and causal inference models
缺失数据与因果推断模型中的改进双重稳健估计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：题名明确涉及因果推断，摘要同时处理纵向缺失数据回归与边际结构均值模型。
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…
缺失数据与因果推断模型中的改进双重稳健估计
- 研究问题
- 在不完整横截面或纵向数据回归及边际结构均值模型中，能否构造在结局模型误设时具有更高效率的双重稳健估计？
- 方法与思路
- 作者提出新的双重稳健估计量类别，用结局回归估计方程求解参数，覆盖缺失数据回归和横截面边际结构均值模型。
- 材料陈述的贡献
- 摘要称新估计量具有与近期改进方法相似的效率性质，且模拟中的方差改善与渐近理论相符，比较对象为标准双重稳健估计。
- 阅读关注点
- 应核对双重稳健性与因果解释各自的条件、结局模型误设时的效率结论，以及纵向缺失结构和辅助模型的处理。
- 阅读边界
- 仅据版本未注明的索引摘要；因果识别、缺失机制和效率改善的条件未说明，不能断言新估计量始终更优或推断刊本变化。
原文摘要
Recently proposed double-robust estimators for a population mean from incomplete data and for a finite number of counterfactual means can have much higher efficiency than the usual double-robust estimators under misspecification of the outcome model. In this paper, we derive a new class of double-robust estimators for the parameters of regression models with incomplete cross-sectional or longitudinal data, and of marginal structural mean models for cross-sectional data with similar efficiency properties. Unlike the recent proposals, our estimators solve outcome regression estimating equations. In a simulation study, the new estimator shows improvements in variance relative to the standard double-robust estimator that are in agreement with those suggested by asymptotic theory.