Flexible Functional Treatment Effect Estimation
灵活的函数型处理效应估计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：摘要明确以函数型处理的潜在结局、边际结构模型与处理效应估计为目标。
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…
灵活的函数型处理效应估计
- 研究问题
- 当处理本身是一条函数而非单个数值时，如何估计平均潜在结局这一函数的函数，并避免依赖特定处理选择模型？
- 方法与思路
- 作者采用标量对函数的边际结构模型和权重修正核岭回归，通过最小化一致平衡误差构造权重，并借表示定理求解有限维凸问题。
- 材料陈述的贡献
- 摘要称，所提估计量无需真实权重函数的光滑性假设即可达到最优收敛率，并通过模拟与真实数据应用展示经验表现。
- 阅读关注点
- 应核对函数型处理的因果识别条件、核与函数空间设定、平衡误差分解，以及最优收敛率所对应的模型类和其他正则条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出识别和重叠条件，不要求权重光滑性并不代表估计完全无需正则假设。
原文摘要
We study treatment effect estimation with functional treatments where the average potential outcome functional is a function of functions, in contrast to continuous treatment effect estimation where the target is a function of real numbers. By considering a flexible scalar-on-function marginal structural model, a weight-modified kernel ridge regression (WMKRR) is adopted for estimation. The weights are constructed by directly minimizing the uniform balancing error resulting from a decomposition of the WMKRR estimator, instead of being estimated under a particular treatment selection model. Despite the complex structure of the uniform balancing error derived under WMKRR, finite-dimensional convex algorithms can be applied to efficiently solve for the proposed weights thanks to a representer theorem. The optimal convergence rate is shown to be attainable by the proposed WMKRR estimator without any smoothness assumption on the true weight function. Corresponding empirical performance is demonstrated by a simulation study and a real data application.