Residual Balancing for Non-Linear Outcome Models in High Dimensions
高维非线性结果模型的残差平衡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：摘要明确以高维环境下的平均处理效应估计和协变量平衡为研究对象。
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
高维非线性结果模型的残差平衡
- 研究问题
- 在结果服从广义线性模型的高维环境中，如何扩展近似残差平衡来估计平均处理效应，并控制非线性链接函数引起的偏差？
- 方法与思路
- 作者推导非线性模型的新偏差分解，指出链接函数曲率需要二阶修正，再通过优化构造同时控制一阶和二阶偏差的平衡权重。
- 材料陈述的贡献
- 摘要称方法将近似残差平衡扩展至非线性模型，并在高维假设下建立估计量的根号样本量一致性与渐近正态性。
- 阅读关注点
- 应核对平均处理效应的识别条件、稀疏性和维度增长限制、二阶平衡约束的可行性，以及余项控制和方差估计方法。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要仅称采用标准高维假设，未列明具体条件，也未报告有限样本表现。
原文摘要
We extend the approximate residual balancing (ARB) framework to nonlinear models, answering an open problem posed by Athey et al. (2018). Our approach addresses the challenge of estimating average treatment effects in high-dimensional settings where the outcome follows a generalized linear model. We derive a new bias decomposition for nonlinear models that reveals the need for a second-order correction to account for the curvature of the link function. Based on this insight, we construct balancing weights through an optimization problem that controls for both first and second-order sources of bias. We provide theoretical guarantees for our estimator, establishing its $\sqrt{n}$-consistency and asymptotic normality under standard high-dimensional assumptions.