Doubly robust estimation and inference for a log-concave counterfactual density
对数凹反事实密度的双重稳健估计与推断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。
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：摘要直接研究反事实密度及其差异、比值，兼具因果推断与分布效应分析。
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…
对数凹反事实密度的双重稳健估计与推断
- 研究问题
- 对于二元或离散处理的观察数据，如何估计反事实结局密度及其差异，以获取超出平均处理效应的分布信息并量化不确定性？
- 方法与思路
- 作者对反事实密度施加对数凹形状约束，利用增广逆概率加权伪结局构造双重稳健估计，并发展逐点区间与密度置信带方法。
- 材料陈述的贡献
- 摘要称给出多种整体度量下的一致性条件，以及密度、密度差和密度比的渐近有效逐点置信区间，并提出置信带实现方法。
- 阅读关注点
- 应核对因果识别与对数凹约束、辅助函数误差条件和局部密度形状要求，并区分逐点区间有效性与整条置信带的覆盖保证。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列出具体条件，也未说明形状约束错误时的表现或置信带覆盖性质。
原文摘要
We consider the problem of causal inference based on observational data (or the related missing data problem) with a binary or discrete treatment variable. In that context, we study inference for the counterfactual density functions and contrasts thereof, which can provide more nuanced information than counterfactual means and the average treatment effect. We impose the shape-constraint of log-concavity, a type of unimodality constraint, on the counterfactual densities, and then develop doubly robust estimators of the log-concave counterfactual density based on augmented inverse-probability weighted pseudo-outcomes. We provide conditions under which the estimator is consistent in various global metrics. We also develop asymptotically valid pointwise confidence intervals for the counterfactual density functions and differences and ratios thereof, which serve as a building block for more comprehensive analyses of distributional differences. We also present a method for using our estimator to implement density confidence bands.