A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
因果推断的统一理论：通过 Bregman-Riesz 回归实现直接去偏机器学习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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确围绕平均处理效应估计统一匹配、平衡权重与目标化估计。
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
因果推断的统一理论：通过 Bregman-Riesz 回归实现直接去偏机器学习
- 研究问题
- 在平均处理效应估计中，Riesz 回归、密度比估计、协变量平衡、匹配与 TMLE 分别承担什么作用，其间有哪些统一关系？
- 方法与思路
- 作者将平衡权重解释为 Riesz 表示元等对象，梳理权重估计方法之间的等价和对偶关系，并说明 TMLE 对结果回归的目标化调整。
- 材料陈述的贡献
- 摘要称，ATE 场景下 Riesz 回归与密度比估计本质等价，匹配是密度比估计特例，最近邻匹配亦对应最小二乘密度比与 Riesz 回归。
- 阅读关注点
- 应核对等价与对偶关系对应的函数类、优化问题和具体条件，以及 TMLE 消除领先偏差项的含义与剩余误差要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要限于 ATE 方法联系，未详述题名中的 Bregman 构造或给出一般性证明条件。
原文摘要
This note introduces a unified theory for causal inference that integrates Riesz regression, covariate balancing, density-ratio estimation (DRE), targeted maximum likelihood estimation (TMLE), and the matching estimator in average treatment effect (ATE) estimation. In ATE estimation, the balancing weights and the regression functions of the outcome play important roles, where the balancing weights are referred to as the Riesz representer, bias-correction term, and clever covariates, depending on the context. Riesz regression, covariate balancing, DRE, and the matching estimator are methods for estimating the balancing weights, where Riesz regression is essentially equivalent to DRE in the ATE context, the matching estimator is a special case of DRE, and DRE is in a dual relationship with covariate balancing. TMLE is a method for constructing regression function estimators such that the leading bias term becomes zero. Nearest Neighbor Matching is equivalent to Least Squares Density Ratio Estimation and Riesz Regression.