A Targeted Approach to Confounder Selection for High-Dimensional Data
高维数据中混杂变量选择的目标化方法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：摘要直接围绕因果效应估计中的混杂调整、倾向得分与目标最大似然估计。
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
高维数据中混杂变量选择的目标化方法
- 研究问题
- 估计因果效应时，如何从大量不同类型协变量中筛选调整变量，并对单个变量或变量组的混杂重要性进行统计推断？
- 方法与思路
- 作者将高维倾向得分的重要性排序扩展到一般变量类型和变量组，并提出可用机器学习拟合中间模型的目标最大似然估计量。
- 材料陈述的贡献
- 摘要称方法突破二元变量限制，提供群组重要性分数，并建立估计量的渐近正态性以构造置信区间，辅以模拟和真实数据研究。
- 阅读关注点
- 应核对重要性参数的定义、排序与最终因果估计的关系，以及中间模型误设、学习误差和变量选择如何影响置信区间。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出渐近条件，也未说明筛选能否保留全部必要混杂变量。
原文摘要
We consider the problem of selecting confounders for adjustment from a potentially large set of covariates, when estimating a causal effect. Recently, the high-dimensional Propensity Score (hdPS) method was developed for this task; hdPS ranks potential confounders by estimating an importance score for each variable and selects the top few variables. However, this ranking procedure is limited: it requires all variables to be binary. We propose an extension of the hdPS to general types of response and confounder variables. We further develop a group importance score, allowing us to rank groups of potential confounders. The main challenge is that our parameter requires either the propensity score or response model; both vulnerable to model misspecification. We propose a targeted maximum likelihood estimator (TMLE) which allows the use of nonparametric, machine learning tools for fitting these intermediate models. We establish asymptotic normality of our estimator, which consequently allows constructing confidence intervals. We complement our work with numerical studies on simulated and real data.