Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves
中介与时变剂量反应曲线的序贯核嵌入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：摘要明确研究中介和时变处理的因果效应，并扩展到反事实分布。
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
中介与时变剂量反应曲线的序贯核嵌入
- 研究问题
- 如何非参数估计中介和时变剂量反应曲线，同时容纳连续处理、中介和协变量，以及处理与混杂因素之间的非线性反馈？
- 方法与思路
- 作者在再生核希尔伯特空间中序贯嵌入中介公式和 g 公式，以核岭回归构造估计量，并扩展到处理效应与反事实分布。
- 材料陈述的贡献
- 摘要称，方法获得非渐近一致速率，扩展结果满足半参数效率与弱收敛；作者还开展非线性模拟并分析美国 Job Corps 数据。
- 阅读关注点
- 应核对两类曲线的目标参数、经典识别公式所需条件、序贯嵌入的实现和正则化选择，以及效率结论适用于哪些扩展参数。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出识别假设、具体收敛速率和效率条件，也未报告应用效应数值。
原文摘要
We propose simple nonparametric estimators for mediated and time-varying dose response curves based on kernel ridge regression. By embedding Pearl's mediation formula and Robins' g-formula with kernels, we allow treatments, mediators, and covariates to be continuous in general spaces, and also allow for nonlinear treatment-confounder feedback. Our key innovation is a reproducing kernel Hilbert space technique called sequential kernel embedding, which we use to construct simple estimators that account for complex feedback. Our estimators preserve the generality of classic identification while also achieving nonasymptotic uniform rates. In nonlinear simulations with many covariates, we demonstrate strong performance. We estimate mediated and time-varying dose response curves of the US Job Corps, and clean data that may serve as a benchmark in future work. We extend our results to mediated and time-varying treatment effects and counterfactual distributions, verifying semiparametric efficiency and weak convergence.