Inverting estimating equations for causal inference on quantiles
通过反演估计方程开展分位数因果推断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。
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：摘要明确研究潜在结局分位数的因果估计及其与均值估计的联系。
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
通过反演估计方程开展分位数因果推断
- 研究问题
- 如何把已有的潜在结局均值估计方法推广到潜在结局分位数，以刻画均值之外的因果分布信息？
- 方法与思路
- 作者利用识别阈值变换后潜在结局均值的矩函数，构造分位数估计方程，并建立均值与分位数有效影响函数的联系。
- 材料陈述的贡献
- 摘要称该框架可复用广泛的均值因果推断结果，并给出采用参数模型或机器学习估计干扰函数时的渐近性质。
- 阅读关注点
- 应核对阈值变换所需识别条件、估计方程反演的有效性，以及不同干扰函数估计方式对应的渐近要求。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断框架覆盖哪些因果设计、分位数的正则性条件及有限样本表现。
原文摘要
Summary The causal inference literature frequently focuses on estimating the mean of the potential outcome, whereas quantiles of the potential outcome may carry important additional information. We propose an inverse estimating equation framework to generalize a wide class of causal inference solutions from estimating the mean of the potential outcome to its quantiles. We assume that a moment function is available to identify the mean of the threshold-transformed potential outcome, based on which a convenient construction of the estimating equation of the quantiles of the potential outcome is proposed. In addition, we give a general construction of the efficient influence functions of the mean and quantiles of potential outcomes, and establish their connection. We motivate estimators for the quantile estimands with the efficient influence function, and develop their asymptotic properties when either parametric models or data-adaptive machine learners are used to estimate the nuisance functions. A broad implication of our results is that one can rework the existing result for mean causal estimands to facilitate causal inference on quantiles. Our general results are illustrated by several analytical and numerical examples.