Debiased inference for a covariate-adjusted regression function
协变量调整回归函数的去偏推断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：摘要明确将协变量调整函数与因果剂量反应曲线联系，并研究连续暴露效应的推断。
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
协变量调整回归函数的去偏推断
- 研究问题
- 如何对调整其他协变量后的连续暴露与结果关联进行非参数推断，并在适当因果条件下为剂量反应曲线构造有效区间与置信带？
- 方法与思路
- 作者提出去偏局部线性估计，利用逐点正态极限构造函数值及差值区间，并通过经验过程上确界近似构造一致置信带。
- 材料陈述的贡献
- 摘要称，方法无需欠平滑，允许数据自适应干扰函数估计，并对二次可微函数达到最优收敛速率；另有模拟和空气污染应用。
- 阅读关注点
- 阅读时应核对关联函数获得因果解释的条件、去偏与带宽选择方法，以及干扰函数误差对逐点和一致推断的要求。
- 阅读边界
- 本条依据 arXiv 预印本摘要，同行评审与接收未核实；因果解释依赖摘要未详述的条件，最优速率不意味着所有样本中表现更好。
原文摘要
In this article, we study nonparametric inference for a covariate-adjusted regression function. This parameter captures the average association between a continuous exposure and an outcome after adjusting for other covariates. In particular, under certain causal conditions, this parameter corresponds to the average outcome had all units been assigned to a specific exposure level, known as the causal dose-response curve. We propose a debiased local linear estimator of the covariate-adjusted regression function, and demonstrate that our estimator converges pointwise to a mean-zero normal limit distribution. We use this result to construct asymptotically valid confidence intervals for function values and differences thereof. In addition, we use approximation results for the distribution of the supremum of an empirical process to construct asymptotically valid uniform confidence bands. Our methods do not require undersmoothing, permit the use of data-adaptive estimators of nuisance functions, and our estimator attains the optimal rate of convergence for a twice differentiable function. We illustrate the practical performance of our estimator using numerical studies and an analysis of the effect of air pollution exposure on cardiovascular mortality.