Nonparametric Causal Inference with Functional Covariates
具有函数型协变量的非参数因果推断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：摘要明确以无混杂条件下的平均处理效应为目标，并采用倾向得分与逆概率加权进行因果估计。
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…
具有函数型协变量的非参数因果推断
- 研究问题
- 当协变量包含函数型观测时，如何在无混杂条件下估计平均处理效应，并为利用函数型信息构造的估计量建立推断依据？
- 方法与思路
- 作者提出逆概率加权估计量，以适用于函数型变量的核估计方法估计倾向得分，并利用模拟和实证应用说明该方法。
- 材料陈述的贡献
- 摘要称建立所提估计量的“n-consistency”和渐近正态性，并以数值实验及实证应用展示用途；该速率表述需查全文确认。
- 阅读关注点
- 应核对函数型变量的距离与核选择、倾向得分估计条件、平均处理效应识别要求，以及摘要中“n-consistency”的准确含义。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；未解释“n-consistency”，不能擅自改写为根号 n 一致性，其他正则条件及后续刊本变化亦未说明。
原文摘要
Functional data and their analysis have become increasingly popular in various fields of data science. This paper considers estimation and inference of the average treatment effect under unconfoundedness when the covariates involve a functional variable, and proposes the inverse probability weighting estimator, where the propensity score is estimated by utilizing a kernel estimator for functional variables. We establish the n-consistency and asymptotic normality of the proposed estimator. Numerical experiments and an empirical application demonstrate the usefulness of the proposed method.