Average Adjusted Association: Efficient Estimation with High Dimensional Confounders
平均调整关联：高维混杂变量下的有效估计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：摘要明确研究调整关联而未提出因果效应目标，现有领域细分缺乏直接对应项。
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
平均调整关联：高维混杂变量下的有效估计
- 研究问题
- 对二元结局与暴露之间随混杂变量变化的对数优势比，如何通过平均形成异质人群的调整关联指标，并在高维协变量下有效估计？
- 方法与思路
- 作者提出平均调整关联指标，利用有效影响函数的两种等价表示构造双重／去偏机器学习估计量，并覆盖随机及结局、暴露导向抽样。
- 材料陈述的贡献
- 摘要称，研究提供新的调整关联汇总指标及其有效 DML 估计方法，并通过真实数据和模拟展示这些估计量的实用性与效果。
- 阅读关注点
- 应核对平均所针对的人群分布、不同抽样机制下的目标定义，有效影响函数与辅助模型要求，以及调整关联能否获得因果解释。
- 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；摘要未说明完整识别和效率条件，调整后的关联不能仅凭变量名称解释为因果效应。
原文摘要
The log odds ratio is a well-established metric for evaluating the association between binary outcome and exposure variables. Despite its widespread use, there has been limited discussion on how to summarize the log odds ratio as a function of confounders through averaging. To address this issue, we propose the Average Adjusted Association (AAA), which is a summary measure of association in a heterogeneous population, adjusted for observed confounders. To facilitate the use of it, we also develop efficient double/debiased machine learning (DML) estimators of the AAA. Our DML estimators use two equivalent forms of the efficient influence function, and are applicable in various sampling scenarios, including random sampling, outcome-based sampling, and exposure-based sampling. Through real data and simulations, we demonstrate the practicality and effectiveness of our proposed estimators in measuring the AAA.