Conditional Influence Functions
条件影响函数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：摘要明确讨论条件平均处理效应和局部政策效应，并构造相应正交估计方程，因此可直接归入因果推断。
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…
条件影响函数
- 研究问题
- 如何为依赖条件分布的非参数目标定义影响函数，并用于条件处理效应、局部政策分析及高维回归下的稳健估计？
- 方法与思路
- 作者推导条件均值及其他条件分布特征的条件影响函数，据此构造 Neyman 正交方程，并开展局部线性估计。
- 材料陈述的贡献
- 摘要提出条件影响函数的一般用途与正交方程构造，并给出第一步机器学习不影响局部线性估计渐近分布的速率条件。
- 阅读关注点
- 应核对条件影响函数的定义与存在条件、局部政策扰动含义，以及第一步学习速率与带宽如何共同影响渐近推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列具体速率条件，正交性并不自动保证任意学习器下推断有效。
原文摘要
There are many nonparametric objects of interest that are a function of a conditional distribution. One important example is an average treatment effect conditional on a subset of covariates. Many of these objects have a conditional influence function that generalizes the classical influence function of a functional of a (unconditional) distribution. Conditional influence functions have important uses analogous to those of the classical influence function. They can be used to construct Neyman orthogonal estimating equations for conditional objects of interest that depend on high dimensional regressions. They can be used to formulate local policy effects and describe the effect of local misspecification on conditional objects of interest. We derive conditional influence functions for functionals of conditional means and other features of the conditional distribution of an outcome variable. We show how these can be used for locally linear estimation of conditional objects of interest. We give rate conditions for first step machine learners to have no effect on asymptotic distributions of locally linear estimators. We also give a general construction of Neyman orthogonal estimating equations for conditional objects of interest.