Joint sufficient dimension reduction and estimation of conditional and average treatment effects
联合充分降维与条件及平均处理效应估计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。
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：摘要直接研究观察数据中的混杂调整、条件处理效应及平均处理效应估计。
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
联合充分降维与条件及平均处理效应估计
- 研究问题
- 观察数据的处理效应估计需要调整多个混杂因素时，如何联合降维并选择带宽，以估计条件效应和高效的平均效应？
- 方法与思路
- 作者定义与平均效应有效估计相关的联合中心子空间，同时选择维数、基矩阵和条件效应带宽，再用另一带宽平均条件效应。
- 材料陈述的贡献
- 摘要称前向选择便于实施，数据自适应欠平滑可实现平均效应的半参数有效估计，并研究子空间与效应估计的渐近性质。
- 阅读关注点
- 应核对观察数据中的识别假设、联合中心子空间定义、两种带宽各自的作用，以及降维估计误差如何进入效应推断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断其他版本变化。摘要未列出因果识别和光滑性条件，应用中的降维幅度不能视为普遍保证。
原文摘要
The estimation of treatment effects based on observational data usually involves multiple confounders, and dimension reduction is often desirable and sometimes inevitable. We first clarify the definition of a central subspace that is relevant for the efficient estimation of average treatment effects. A criterion is then proposed to simultaneously estimate the structural dimension, the basis matrix of the joint central subspace, and the optimal bandwidth for estimating the conditional treatment effects. The method can easily be implemented by forward selection. Semiparametric efficient estimation of average treatment effects can be achieved by averaging the conditional treatment effects with a different data-adaptive bandwidth to ensure optimal undersmoothing. Asymptotic properties of the estimated joint central subspace and the corresponding estimator of average treatment effects are studied. The proposed methods are applied to a nutritional study, where the covariate dimension is reduced from 11 to an effective dimension of one.