Rajarshi Mukherjee, Whitney K. Newey, James M. Robins
TL;DR本文提出新的 HOIF 估计器，其具有与 Robins et al.（2008，2016）估计器相同的渐近性质，但不需要估计高维密度，适用于缺失数据和连续协变量的情况。
Abstract
Robins et al. (2008, 2016) applied the theory of higher order influence
functions (HOIFs) to derive an estimator of the mean of an outcome Y in a
missing data model with Y missing at random conditional on a vector X of
continuous covariates; their estimator, in contrast to previous est
本文综合说明了在半参数模型和非参数模型推断中，高阶影响函数的理论及其应用。我们探讨了如何推导出一组功能对应的乘积的高阶影响函数，应用这个结果我们获得了在随机缺失和单调缺失情况下响应变量 Y 的均值和时变混杂变量存在时，时间相关性处理对 Y 的因果效应的高阶影响函数和相应的估计量。此外，文中还包含了一些在 Robins 等人的文章中未列出的结果和证明。