Improved inference for doubly robust estimators of heterogeneous treatment effects
异质性处理效应双重稳健估计量的改进推断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：摘要明确围绕观察研究中的条件平均处理效应、双重稳健估计与异质性推断展开。
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
异质性处理效应双重稳健估计量的改进推断
- 研究问题
- 在观察研究中，使用高维或非参数倾向得分与结果模型时，如何对条件平均处理效应的异质性提供可靠的统计推断？
- 方法与思路
- 作者提出双重稳健方法，利用倾向得分模型和结果回归模型的后验分布，构建条件平均处理效应的频率学派推断。
- 材料陈述的贡献
- 摘要称，该方法在有限样本或模型误设下提供保守推断，两模型正确设定时方差估计一致，并通过模拟与环境暴露数据展示。
- 阅读关注点
- 应核对后验信息如何用于频率学派方差、保守推断结论需要哪些条件，以及高维模型下条件效应目标如何定义。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明误设和保守性的具体条件，不能据此认定任意模型下均有效。
原文摘要
We propose a doubly robust approach to characterizing treatment effect heterogeneity in observational studies. We develop a frequentist inferential procedure that utilizes posterior distributions for both the propensity score and outcome regression models to provide valid inference on the conditional average treatment effect even when high-dimensional or nonparametric models are used. We show that our approach leads to conservative inference in finite samples or under model misspecification, and provides a consistent variance estimator when both models are correctly specified. In simulations, we illustrate the utility of these results in difficult settings such as high-dimensional covariate spaces or highly flexible models for the propensity score and outcome regression. Lastly, we analyze environmental exposure data from NHANES to identify how the effects of these exposures vary by subject-level characteristics.