Aug, 2022
因果推断的经验Gateaux导数
Empirical Gateaux Derivatives for Causal Inference
TL;DR本文研究了一种通过有限差分近似统计泛函的Gateaux导数的构造算法，着重探讨与因果推论泛函的关系；从估计平均潜在结果（因此是平均处理效应）入手，实例化了有限差分与分析Gateaux导数之间的精确关系，并推导出对扰动和平滑的数值逼近速率的要求，同时能够保留一步调整的统计优势，如速率双鲁棒性，同时研究了更复杂的泛函，例如动态治疗方案和线性规划制定等方面。最新发现的能够在任意约束条件下近似偏差调整的能力，说明Gateaux导数的构造方法具有实用性。本文还发现泛函的统计结构（速率双鲁棒性）可以允许更不保守的有限差分逼近率。但是，这种属性可能特定于特定的泛函，例如它在平均潜在结果（因此是平均处理效应）上出现，而在无限时间MDP策略价值中却没有。