A doubly robust learner for regression and inference with right-censored outcomes
右删失结果回归与推断的双重稳健学习器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：摘要明确将方法应用于右删失结果的断点回归因果效应估计。
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
右删失结果回归与推断的双重稳健学习器
- 研究问题
- 结果变量存在右删失时，如何构造适用于非参数回归的双重稳健学习器，并获得可靠的收敛性质与统计推断？
- 方法与思路
- 作者推广删失无偏变换以生成伪结果，再以样本拆分或交叉拟合开展第二阶段回归，并推导伪结果的条件偏差表示。
- 材料陈述的贡献
- 摘要称在线性平滑器作为第二阶段回归时，可建立速率双重稳健性及预言机效率，并展示右删失断点回归应用。
- 阅读关注点
- 应核对删失机制、辅助模型及条件偏差公式，并区分一般第二阶段回归与线性平滑器下理论结果的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核验；摘要未说明删失识别条件及具体推断构造，无法判断任意学习器是否适用。
原文摘要
This paper introduces a general framework for doubly robust nonparametric regression with right-censored outcomes, adapting the strategy of the 'DR-learner' for heterogeneous treatment effects to the censored data setting. Our method generalizes censoring unbiased transformations to generate pseudo-outcomes, which serve as inputs for a second-stage nonparametric regression with sample-splitting or cross-fitting. We derive a novel representation of the conditional bias of these pseudo-outcomes; this representation is central to establishing the estimator's asymptotic properties, including rate double robustness and oracle efficiency when the second-stage regression is a linear smoother. Simulation studies demonstrate the method's favorable finite-sample performance, and we showcase its practical utility by applying it to estimate a causal effect within a regression discontinuity design with right-censored outcomes.