Counterfactual Density Estimation using Kernel Stein Discrepancies
利用核 Stein 差异估计反事实密度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：摘要明确研究反事实分布与密度估计，并采用双重稳健的因果估计思路。
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…
利用核 Stein 差异估计反事实密度
- 研究问题
- 当平均处理效应不足以描述干预影响时，如何估计完整反事实分布，并处理仅知道未归一化形式的候选密度？
- 方法与思路
- 作者以双重稳健方式最小化核 Stein 差异，在仅需知道归一化常数以外密度形式的分布类中拟合反事实分布。
- 材料陈述的贡献
- 摘要称方法支持较广的候选分布类，并给出一致性及渐近正态性的充分条件，同时考察其经验表现。
- 阅读关注点
- 应核对反事实分布的识别条件、双重稳健所对应的辅助模型，以及核选择、密度类限制和渐近结论条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列出充分条件或实验结果，不能认为双重稳健允许任意模型错误。
原文摘要
Causal effects are usually studied in terms of the means of counterfactual distributions, which may be insufficient in many scenarios. Given a class of densities known up to normalizing constants, we propose to model counterfactual distributions by minimizing kernel Stein discrepancies in a doubly robust manner. This enables the estimation of counterfactuals over large classes of distributions while exploiting the desired double robustness. We present a theoretical analysis of the proposed estimator, providing sufficient conditions for consistency and asymptotic normality, as well as an examination of its empirical performance.