Efficient and Globally Robust Causal Excursion Effect Estimation
高效且全局稳健的因果偏离效应估计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：摘要明确研究微随机试验中的时变干预因果效应、半参数效率及稳健估计。
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
高效且全局稳健的因果偏离效应估计
- 研究问题
- 在微随机试验中，如何高效估计偏离实验策略的干预效应，并在辅助模型设定错误时仍保持估计的稳健性？
- 方法与思路
- 作者在工作假设下推导恒等及对数链接的半参数效率界，构造两阶段估计量，并建立适用于交叉拟合及非交叉拟合的 Z 估计理论。
- 材料陈述的贡献
- 摘要称所提估计量可达到效率界并对辅助模型误设稳健；模拟及 Drink Less 微随机试验应用显示相对既有估计量的效率增益。
- 阅读关注点
- 应核对因果偏离效应的策略定义、效率界所用工作假设、全局稳健的准确含义，以及两种拟合方式分别需要的渐近条件。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出工作假设、误设范围和效率增益数值，不能理解为无条件稳健。
原文摘要
Causal excursion effect (CEE) characterizes the effect of an intervention under policies that deviate from the experimental policy. It is widely used to study the effect of time-varying interventions that have the potential to be frequently adaptive, such as those delivered through smartphones. We study the semiparametric efficient estimation of CEE and we derive a semiparametric efficiency bound for CEE with identity or log link functions under working assumptions, in the context of micro-randomized trials. We propose a class of two-stage estimators that achieve the efficiency bound and are robust to misspecified nuisance models. In deriving the asymptotic property of the estimators, we establish a general theory for globally robust Z-estimators with either cross-fitted or non-cross-fitted nuisance parameters. We demonstrate substantial efficiency gain of the proposed estimator compared to existing ones through simulations and a real data application using the Drink Less micro-randomized trial.