Doubly robust average treatment effect estimation for survival data
生存数据的双重稳健平均处理效应估计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：摘要明确研究删失生存结局下平均处理效应的双重稳健估计。
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
生存数据的双重稳健平均处理效应估计
- 研究问题
- 在生存结局存在删失且协变量高维、样本较小的情形下，如何构造兼顾协变量平衡、变量选择与稳健性的平均处理效应估计？
- 方法与思路
- 作者将协变量平衡倾向得分、删失结局处理与惩罚经验似然结合，通过估计方程和惩罚项构造平均处理效应估计量。
- 材料陈述的贡献
- 摘要称所提估计量具备预言性质，并具有与无偏性相关的双重稳健性、模型选择稀疏性和渐近正态性；具体条件未展开。
- 阅读关注点
- 应核对生存结局对应的效应定义、删失与因果识别条件，以及双重稳健性、预言性质和高维渐近正态性所需的准确假设。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明维度增长与样本条件，不能将双重稳健直接等同有限样本无偏。
原文摘要
Considering censored outcomes in survival analysis can lead to quite complex results in the model setting of causal inference. Causal inference has attracted a lot of attention over the past few years, but little research has been done on survival analysis. Even for the only research conducted, the machine learning method was considered assuming a large sample, which is not suitable in that the actual data are high dimensional low sample size (HDLSS) method. Therefore, penalty is considered for numerous covariates, and the relationship between these covariates and treatment variables is reflected as a covariate balancing property score (CBPS). It also considers censored results. To this end, we will try to solve the above-mentioned problems by using penalized empirical likelihood, which considers both estimating equation and penalty. The proposed average treatment effect (ATE) estimator possesses the oracle property, exhibiting key characteristics such as double robustness for unbiasedness, sparsity in model selection, and asymptotic normality.