Estimating Density Ratio of Marginals to Joint: Applications to Causal Inference
边际密度乘积与联合密度之比的估计：因果推断应用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：摘要明确以连续处理效应与剂量反应曲线为主要因果推断应用。
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…
边际密度乘积与联合密度之比的估计：因果推断应用
- 研究问题
- 如何估计处理变量与协变量的边际密度乘积相对于联合密度的比值，并将其用于连续处理效应和剂量反应曲线的估计？
- 方法与思路
- 作者将已有的一般最小二乘密度比估计方法应用于边际乘积与联合密度之比，并通过模拟及美国总统竞选政治广告数据展示用途。
- 材料陈述的贡献
- 摘要明确陈述的贡献是将该密度比估计方法用于连续处理因果推断，并展示其在处理效应和剂量反应曲线估计中的作用。
- 阅读关注点
- 应核对密度比如何进入因果估计量、连续处理的识别与重叠要求，以及基函数、正则化和误差传播对剂量反应估计的影响。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；因果识别假设、理论误差界和广告应用结果未说明，不能据此确认因果结论或推断刊本变化。
原文摘要
In various fields of data science, researchers often face problems of estimating the ratios of two probability densities.Particularly in the context of causal inference, the product of marginals for a treatment variable and covariates to their joint density ratio typically emerges in the process of constructing causal effect estimators.This article applies the general least square density ratio estimation methodology by Kanamori, Hido and Sugiyama to the product of marginals to joint density ratio, and demonstrates its usefulness particularly for causal inference on continuous treatment effects and dose-response curves.The proposed method is illustrated by a simulation study and an empirical example to investigate the treatment effect of political advertisements in the U.S. presidential campaign data.