Incremental effects for continuous exposures
连续暴露的增量效应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：摘要直接研究连续处理的随机干预、因果目标量及半参数估计，明确支持因果推断这一领域细分。
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…
连续暴露的增量效应
- 研究问题
- 连续处理的常规剂量反应目标依赖广泛正值性时，如何定义替代干预效应，并刻画干预强度对估计难度的影响？
- 方法与思路
- 作者以指数倾斜改变处理分布，推导有效影响函数、效率界及极小极大下界，并分析双重机器学习式估计。
- 材料陈述的贡献
- 摘要称有效样本量按 n/δ 而非 n 缩放，给出新的收敛率与偏差界，并用反射指数倾斜连接剂量反应曲线估计。
- 阅读关注点
- 应核对替代干预的识别条件、δ 的取值与渐近范围，以及反射倾斜极限和剂量反应曲线之间的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未展开其余识别条件，避免正值性不等于无需假设。
原文摘要
Causal inference problems often involve continuous treatments, such as dose, duration, or frequency. However, identifying and estimating standard dose-response estimands requires that everyone has some chance of receiving any level of the exposure (i.e., positivity). To avoid this assumption, we consider stochastic interventions based on exponentially tilting the treatment distribution by some parameter $δ$ (an incremental effect); this increases or decreases the likelihood a unit receives a given treatment level. We derive the efficient influence function and semiparametric efficiency bound for these incremental effects under continuous exposures. We then show estimation depends on the size of the tilt, as measured by $δ$. In particular, we derive new minimax lower bounds illustrating how the best possible root mean squared error scales with an effective sample size of $n / δ$, instead of $n$. Further, we establish new convergence rates and bounds on the bias of double machine learning-style estimators. Our novel analysis gives a better dependence on $δ$ compared to standard analyses by using mixed supremum and $L_2$ norms. Finally, we define a "reflected" exponential tilt around any interior point and show that taking $δ\to \infty$ yields a new estimator of the dose-response curve across the treatment support.