Causal inference on distribution functions
以分布函数为结果的因果推断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。
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：摘要直接研究分布函数结果的因果效应，并提出双重稳健估计与婚姻效应应用。
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
以分布函数为结果的因果推断
- 研究问题
- 当每个观测结果本身是累积分布函数，而非欧氏空间中的向量时，如何在非线性的 Wasserstein 空间定义并估计因果效应？
- 方法与思路
- 作者为分布函数结果建立因果效应框架，提出双重稳健估计量和相应渐近理论，并以可穿戴设备记录的活动模式作示例。
- 材料陈述的贡献
- 摘要称，该框架将因果效应分析扩展到分布函数空间，并用于全国健康与营养调查中婚姻对身体活动模式的效应量化。
- 阅读关注点
- 应核对因果效应的空间定义、识别假设、双重稳健性涉及的两个模型，以及婚姻应用中的混杂处理与推断条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明识别假设、双重稳健性的具体条件或效应数值，不能据此确认婚姻效应已被可靠识别。
原文摘要
Abstract Understanding causal relationships is one of the most important goals of modern science. So far, the causal inference literature has focused almost exclusively on outcomes coming from the Euclidean space Rp. However, it is increasingly common that complex datasets are best summarized as data points in nonlinear spaces. In this paper, we present a novel framework of causal effects for outcomes from the Wasserstein space of cumulative distribution functions, which in contrast to the Euclidean space, is nonlinear. We develop doubly robust estimators and associated asymptotic theory for these causal effects. As an illustration, we use our framework to quantify the causal effect of marriage on physical activity patterns using wearable device data collected through the National Health and Nutrition Examination Survey.