Peng Ding’s Contribution to the Discussion of ‘Assumption-Lean Inference for Generalised Linear Model Parameters’ by Vansteelandt and Dukes
彭鼎对《广义线性模型参数的弱假设推断》的讨论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：材料明确讨论模型误设下的因果推断、平均效应及交互度量。
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
彭鼎对《广义线性模型参数的弱假设推断》的讨论
- 研究问题
- 这篇讨论关注模型误设下条件与边际目标量的比较，以及原论文关于平均效应和交互度量的策略能否进一步推广。
- 方法与思路
- 作者提出两点评论，涉及条件与边际目标量的蒙特卡洛比较，并对原论文两类效应度量之外的适用性提出疑问。
- 材料陈述的贡献
- 所给摘要呈现了对模型在因果推断中作用的讨论及推广问题；这些属于评论意见，未陈述独立的新方法定理。
- 阅读关注点
- 应结合主论文核对两类目标量的定义、模拟设置及评论语境，并确认平均效应与交互度量具体依赖哪些条件。
- 阅读边界
- 这是讨论稿，不能当作主论文；OpenAlex未注明稿件版本，模拟次数的排版含混，需查原PDF确认。
原文摘要
I want to congratulate the authors on a thought-provoking paper on statistical inference with misspecified models. It deepens our understanding of the role of models in causal inference. I offer two comments. Comparison of the conditional and marginal estimands based on 105 Monte Carlo samples. The parameters of the distributions of L and Y are all drawn independently from Uniform(0, 1) The authors provide inspiring derivations of the novel average effect and interaction measures under possibly misspecified models. I am wondering how general their strategy is beyond these two measures.