Optimal Adjustment Sets for Nonparametric Estimation of Weighted Controlled Direct Effect
加权受控直接效应非参数估计的最优调整集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：摘要研究中介分析中的直接效应识别、协变量调整及因果估计效率。
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
加权受控直接效应非参数估计的最优调整集
- 研究问题
- 对中介分布取平均的加权受控直接效应何时能够唯一识别，非参数估计又应调整哪些协变量才能降低渐近方差？
- 方法与思路
- 作者分析加权受控直接效应的识别，推导其影响函数，并在正则渐近线性估计量框架中刻画方差最小的协变量调整集。
- 材料陈述的贡献
- 摘要称给出唯一识别的充要条件、影响函数及最优调整集，并说明中介与混杂变量交互会带来不同于平均处理效应的调整要求。
- 阅读关注点
- 应核对中介分布的加权定义、识别条件与因果结构、最优调整集的比较范围，以及交互作用如何改变效率和调整要求。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未展示识别条件、影响函数或调整规则，不能判断具体公平性应用是否适用。
原文摘要
The weighted controlled direct effect (WCDE) generalizes the standard controlled direct effect (CDE) by averaging over the mediator distribution, providing a robust estimate when treatment effects vary across mediator levels. This makes the WCDE especially relevant in fairness analysis, where it isolates the direct effect of an exposure on an outcome, independent of mediating pathways. This work establishes three fundamental advances for WCDE in observational studies: First, we establish necessary and sufficient conditions for the unique identifiability of the WCDE, clarifying when it diverges from the CDE. Next, we consider nonparametric estimation of the WCDE and derive its influence function, focusing on the class of regular and asymptotically linear estimators. Lastly, we characterize the optimal covariate adjustment set that minimizes the asymptotic variance, demonstrating how mediator-confounder interactions introduce distinct requirements compared to average treatment effect estimation. Our results offer a principled framework for efficient estimation of direct effects in complex causal systems, with practical applications in fairness and mediation analysis.