Efficient adjustment sets for time-dependent treatment effect estimation in nonparametric causal graphical model
非参数因果图模型中时变处理效应估计的高效调整集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：摘要直接涉及因果图、时变处理效应、调整集与因果估计效率，最直接对应因果推断方向。
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…
非参数因果图模型中时变处理效应估计的高效调整集
- 研究问题
- 在多时点处理的非参数因果图模型中，能否仅依据有向无环图找到保证一致估计且渐近方差最小的调整集？
- 方法与思路
- 作者利用图中可读出的条件独立关系，扩展既有时变调整集的方差比较规则，并研究最优调整集的图形识别。
- 材料陈述的贡献
- 摘要称新规则可得到比既有规则所允许方案更低渐近方差的估计量，并在时变处理情形实现基于因果图的最优集识别。
- 阅读关注点
- 应核对允许的图结构、调整集类别和估计量范围，明确“最优”的比较对象，并检查条件独立关系如何支撑方差排序。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列明图形条件和适用范围，不能解释为任何纵向图均有同样结论。
原文摘要
Criteria for identifying optimal adjustment sets yielding consistent estimation with minimal asymptotic variance of average treatment effects in parametric and nonparametric models have recently been established. In a single treatment time point setting, it has been shown that the optimal adjustment set can be identified based on a causal directed acyclic graph alone. In a time-dependent treatment setting, previous work has established graphical rules to compare the asymptotic variance of estimators based on nested time-dependent adjustment sets. However, these rules do not always permit the identification of an optimal time-dependent adjustment set based on a causal graph alone. We extend those results by exploiting conditional independencies that can be read from the graph and demonstrate theoretically and empirically that our results can yield estimators with lower asymptotic variance than those allowed by previous results. We further show how our results allow for the identification of optimal adjustment sets based on a directed acyclic graph alone in the time-dependent treatment setting.