Efficient estimation and the cost of complete-case coarsening under monotone sequential MAR
单调序贯随机缺失下的有效估计与完整案例粗化成本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：摘要以缺失混杂变量下的平均治疗效应为目标，比较因果识别、影响函数和估计效率。
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
单调序贯随机缺失下的有效估计与完整案例粗化成本
- 研究问题
- 在两个有序混杂变量存在单调序贯随机缺失时，丢弃部分完整记录中已观测的信息，会如何影响平均治疗效应的识别与效率？
- 方法与思路
- 作者将随机粗化变换用于因果影响函数，推导规范梯度与交叉拟合估计的精确漂移，并通过迭代投影表达粗化的效率损失。
- 材料陈述的贡献
- 摘要在序贯与完整案例随机缺失均成立的子模型中给出非负效率损失；另指出特定二阶段响应机制下粗化可能造成持续偏差。
- 阅读关注点
- 核对两种缺失假设同时成立的范围、严格效率增益条件及序贯多重稳健结构，并检查估计辅助函数后的覆盖率表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核验；摘要报告压力设计中明显欠覆盖及精度排序反转，效率界不保证有限样本优势。
原文摘要
Complete-case coarsening discards observed confounder values from partially complete records. We study its consequences for average treatment effect estimation with two ordered, partially observed confounders under monotone sequential missing at random. We specialize the standard coarsening-at-random transformation to the causal influence function, establish the canonical gradient, and give an exact drift identity for a cross-fitted estimator with sequential multiple robustness. In the submodel where both sequential and complete-case missing-at-random assumptions hold, we express the efficiency loss from coarsening as a nonnegative expectation involving two iterated projections. The gain is strict when the intermediate confounder supplies residual information where second-stage missingness occurs. Oracle simulations and deterministic quadrature illustrate this efficiency comparison. When second-stage response depends on the intermediate confounder, the comparison instead concerns identification: coarsening can introduce persistent bias. Estimated-nuisance simulations include a bounded-propensity design and a Gaussian stress design. The latter exhibits substantial interval undercoverage and can reverse the finite-sample precision ordering, qualifying the practical interpretation of the efficiency bound.