HAL-Based Plug-in Estimation with Pointwise Asymptotic Normality of the Causal Dose-Response Curve
基于 HAL 的因果剂量反应曲线插件估计与逐点渐近正态性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：摘要直接研究连续处理下的因果剂量反应曲线及其非参数估计和推断，因此归入因果推断方向。
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…
基于 HAL 的因果剂量反应曲线插件估计与逐点渐近正态性
- 研究问题
- 对于连续处理的边际调整因果剂量反应曲线，如何在不依赖参数模型的情况下估计并推断，以应对模型误设和非标准收敛问题？
- 方法与思路
- 作者提出基于 Highly Adaptive Lasso 最大似然估计的插件估计量，结合理论论证与综合模拟，比较其剂量反应估计和推断表现。
- 材料陈述的贡献
- 摘要称该估计量具备逐点渐近正态性和有效推断，并报告在所考察模拟中优于现有方法；具体理论条件和比较数值未列出。
- 阅读关注点
- 应核对因果识别条件、HAL 拟合与调参方式、逐点收敛率和方差估计，并区分单点置信区间与整条曲线的同时推断。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要不足以确定理论条件，也不能据模拟表述推断普遍优势。
原文摘要
Estimating and obtaining reliable inference for the marginally adjusted causal dose-response curve for continuous treatments without relying on parametric assumptions is a well-known statistical challenge. Parametric models risk introducing significant bias through model misspecification, compromising the accurate representation of the underlying data and dose-response relationship. On the other hand, nonparametric models face difficulties as the dose-response curve is not pathwise differentiable, preventing consistent estimation at standard rates. The Highly Adaptive Lasso (HAL) maximum likelihood estimator offers a promising approach to this issue. In this paper, we introduce a HAL-based plug-in estimator for the causal dose-response curve, bridge theoretical development and empirical application, and assess its empirical performance against other estimators. This work emphasizes not just theoretical proofs, but also demonstrates their application through comprehensive simulations, thereby filling an essential gap between theory and practice. Our comprehensive simulations demonstrate that the HAL-based estimator achieves pointwise asymptotic normality with valid inference and consistently outperforms existing approaches for estimating the causal dose-response curve.