Nonparametric Inference on Dose-Response Curves Without the Positivity Condition
不依赖正值性条件的剂量反应曲线非参数推断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：摘要直接研究连续处理剂量反应的因果识别、正值性限制与非参数推断。
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…
不依赖正值性条件的剂量反应曲线非参数推断
- 研究问题
- 连续处理的观测研究违反正值性时，能否在其他较弱假设下识别并估计剂量反应曲线及其导数，并获得有效的不确定性推断？
- 方法与思路
- 作者先识别每个观测样本对应的处理效应导数，再积分至目标处理水平；提出积分估计的数值算法，并研究非参数 bootstrap 推断。
- 材料陈述的贡献
- 摘要称，研究建立不依赖正值性的识别与估计理论，给出渐近性质和 bootstrap 一致性，并用模拟及空气污染应用展示方法表现。
- 阅读关注点
- 应核对替代正值性的具体假设、导数识别与积分恢复曲线的步骤，以及支持范围、积分常数和 bootstrap 有效性的条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收。摘要仅称较弱假设适用于加性混杂模型，未说明完整条件及可识别范围。
原文摘要
Existing statistical methods in causal inference often assume the positivity condition, where every individual has some chance of receiving any treatment level regardless of covariates. This assumption could be violated in observational studies with continuous treatments. In this paper, we develop identification and estimation theories for causal effects with continuous treatments (i.e., dose-response curves) without relying on the positivity condition. Our approach identifies and estimates the derivative of the treatment effect for each observed sample, integrating it to the treatment level of interest to mitigate bias from the lack of positivity. The method is grounded in a weaker assumption, satisfied by additive confounding models. We propose a fast and reliable numerical recipe for computing our integral estimator in practice and derive its asymptotic properties. To enable valid inference on the dose-response curve and its derivative, we use the nonparametric bootstrap and establish its consistency. The performances of our proposed estimators are validated through simulation studies and an analysis of the effect of air pollution exposure (PM$_{2.5}$) on cardiovascular mortality rates.