双重补偿学习在治疗效果估计中的无结构优化性
原文约200字/词,阅读约需1分钟。发表于: 。在这篇论文中,我们采用最近引入的无结构统计下界框架,证明了双重稳健估计器在平均处理效应以及对待处理群体的平均处理效应方面的统计优越性,以及这些估计器的加权变体,这在政策评估中广泛应用。
提出了一种新框架,用于在现代数据丰富的环境中估计未观察到的混杂影响下的平均处理效应。该框架具有双重鲁棒性,并结合了结果填充、逆概率加权和新型交叉拟合程序。通过推导出有限样本和渐近保证,并证明新估计器的误差以参数速率收敛到高斯分布,验证了该估计器的有效性。模拟结果显示了该估计器的实际相关性。