Nonparametric efficient inference for network quantile causal effects under partial interference
部分干扰下网络分位数因果效应的非参数有效推断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。
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：摘要同时明确涉及因果效应、结局分位数和群组内网络干扰，直接对应这三个领域细分。
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
部分干扰下网络分位数因果效应的非参数有效推断
- 研究问题
- 当个体治疗会影响同一群组内其他人的结局、但不会跨群组影响时，如何定义并有效估计网络对结局分位数的因果效应？
- 方法与思路
- 作者建立非参数效率理论并构造估计量，通过三路交叉拟合处理灵活估计的辅助函数，同时避免直接估计条件结局分布。
- 材料陈述的贡献
- 摘要称估计量具有非参数效率、一致性及参数收敛速率下的渐近正态性，并用模拟和群组观察性研究展示表现。
- 阅读关注点
- 核对网络分位数效应的定义、部分干扰与识别条件，以及辅助函数误差要求、三路交叉拟合和群组层面的渐近框架。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核验；摘要未说明效率与收敛结论的完整条件，也未报告模拟和应用的具体数值。
原文摘要
Interference arises when the treatment assigned to one individual affects the outcomes of other individuals. Commonly, individuals are naturally grouped into clusters, and interference occurs only among individuals within the same cluster, a setting referred to as partial interference. We study network causal effects on outcome quantiles in the presence of partial interference. We develop a general nonparametric efficiency theory for estimating these network quantile causal effects, which leads to a nonparametrically efficient estimator. The proposed estimator is consistent and asymptotically normal with parametric convergence rates, while allowing for flexible, data-adaptive estimation of complex nuisance functions. We leverage a three-way cross-fitting procedure that avoids direct estimation of the conditional outcome distribution. Simulations demonstrate adequate finite-sample performance of the proposed estimators, and we apply the methods to a clustered observational study.