A More Efficient, Doubly Robust, Nonparametric Estimator of Treatment Effects in Multilevel Studies
多层级研究中更高效的双重稳健非参数处理效应估计量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：摘要直接研究多层级数据中的处理效应及双重稳健因果估计。
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
多层级研究中更高效的双重稳健非参数处理效应估计量
- 研究问题
- 多层级研究中的处理效应如何估计，才能减少对结局、处理分配及簇内相关结构的参数化依赖，并改善估计效率？
- 方法与思路
- 作者提出非参数估计量，利用面向独立同分布数据的机器学习方法，估计条件倾向得分与结局协方差两个辅助函数。
- 材料陈述的贡献
- 摘要称估计量具有双重稳健性与渐近正态性，且常比现有方法高效；模拟和实际数据尤其展示了簇特定效应的效率改善。
- 阅读关注点
- 核对处理效应的具体定义、双重稳健性对应的辅助模型条件，以及簇内依赖下机器学习估计与渐近推断如何衔接。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明识别条件、簇规模限制及效率比较的具体范围。
原文摘要
When studying treatment effects in multilevel studies, investigators commonly use (semi-)parametric estimators, which make strong parametric assumptions about the outcome, the treatment, and/or the correlation structure between study units in a cluster. We propose a novel estimator of treatment effects that does not make such assumptions. Specifically, the new estimator is shown to be doubly robust, asymptotically Normal, and often more efficient than existing estimators, all without having to make any parametric modeling assumptions about the outcome, the treatment, and the correlation structure. We achieve this by estimating two non-standard nuisance functions in causal inference, the conditional propensity score and the outcome covariance model, using existing existing machine learning methods designed for independent and identically distributed (i.i.d) data. The new estimator is also demonstrated in simulated and real data where the new estimator is drastically more efficient than existing estimators, especially when studying cluster-specific treatment effects.