Targeted Maximum Likelihood Based Estimation for Longitudinal Mediation Analysis
纵向中介分析的目标最大似然估计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：摘要研究纵向中介效应、随机干预与时变混杂的处理，直接属于因果推断；纵向数据本身不足以判为面板计量。
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…
纵向中介分析的目标最大似然估计
- 研究问题
- 面对时变混杂、竞争风险与信息性删失，如何估计随机干预定义的纵向直接效应和间接效应，并结合机器学习开展推断？
- 方法与思路
- 作者提出更新条件密度的 TMLE，利用高度自适应套索与投影表示估计有效影响曲线，并构造快速的一步 TMLE 算法。
- 材料陈述的贡献
- 摘要称，估计量具有多重稳健性和局部有效性，快速算法保留渐近性质，方法还可推广至似然平滑函数定义的纵向因果参数。
- 阅读关注点
- 应核对随机干预下效应的定义、识别条件和多重稳健性的具体组合，以及影响曲线估计误差如何影响一步算法的渐近性质。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或接收；摘要未列出识别假设、收敛条件及计算速度的实际提升幅度。
原文摘要
Causal mediation analysis with random interventions has become an area of significant interest for understanding time-varying effects with longitudinal and survival outcomes. To tackle causal and statistical challenges due to the complex longitudinal data structure with time-varying confounders, competing risks, and informative censoring, there exists a general desire to combine machine learning techniques and semiparametric theory. In this manuscript, we focus on targeted maximum likelihood estimation (TMLE) of longitudinal natural direct and indirect effects defined with random interventions. The proposed estimators are multiply robust, locally efficient, and directly estimate and update the conditional densities that factorize data likelihoods. We utilize the highly adaptive lasso (HAL) and projection representations to derive new estimators (HAL-EIC) of the efficient influence curves of longitudinal mediation problems and propose a fast one-step TMLE algorithm using HAL-EIC while preserving the asymptotic properties. The proposed method can be generalized for other longitudinal causal parameters that are smooth functions of data likelihoods, and thereby provides a novel and flexible statistical toolbox.