清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Constructing targeted minimum loss/maximum likelihood estimators: a simple illustration to build intuition

估计员 计算机科学 因果推理 直觉 统计推断 推论 机器学习 计量经济学 人工智能 简单(哲学) 基准推理 构造(python库) 统计模型 倾向得分匹配 功能(生物学) 干扰参数 统计假设检验 统计理论 数学 数据挖掘 算法 统计分析 统计
作者
Rachael K. Ross,Lina Montoya,Dana E. Goin,Iván Dı́az,Audrey Renson
标识
DOI:10.48550/arxiv.2507.11680
摘要

Use of machine learning to estimate nuisance functions (e.g. outcomes models, propensity score models) in estimators used in causal inference is increasingly common, as it can mitigate bias due to model misspecification. However, it can be challenging to achieve valid inference (e.g., estimate valid confidence intervals). The efficient influence function (EIF) provides a recipe to go from a statistical estimand relevant to our causal question, to an estimator that can validly incorporate machine learning. Our companion paper, Renson et al. 2025 (arXiv:2502.05363), provides a thorough but approachable description of the EIF, along with a guide through the steps to go from a unique statistical estimand to development of one type of EIF-based estimator, the so-called one-step estimator. Another commonly used estimator based on the EIF is the targeted maximum likelihood/minimum loss estimator (TMLE). Construction of TMLEs is well-discussed in the statistical literature, but there remains a gap in translation to a more applied audience. In this letter, which supplements Renson et al., we provide a more accessible illustration of how to construct a TMLE.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小妮子完成签到,获得积分10
5秒前
13秒前
amiee发布了新的文献求助10
19秒前
潇洒的老黑完成签到,获得积分10
19秒前
文艺信封完成签到,获得积分10
21秒前
俊逸酬海完成签到 ,获得积分10
28秒前
少年完成签到 ,获得积分10
36秒前
我是老大的应助被amiee采纳,获得10
38秒前
39秒前
nikki完成签到 ,获得积分10
42秒前
49秒前
dada完成签到,获得积分10
50秒前
Treeone完成签到 ,获得积分10
53秒前
小花排草发布了新的文献求助10
53秒前
Yang完成签到 ,获得积分10
54秒前
张大诚完成签到,获得积分10
1分钟前
科目三的应助被标致的伟泽采纳,获得30
1分钟前
尊敬的无极完成签到,获得积分10
1分钟前
复杂妙海完成签到,获得积分10
1分钟前
Miya完成签到,获得积分10
1分钟前
高大的怜晴完成签到 ,获得积分10
1分钟前
杉寒完成签到,获得积分10
1分钟前
阔达惜梦完成签到,获得积分10
1分钟前
gd完成签到 ,获得积分10
1分钟前
科研临时工完成签到,获得积分10
1分钟前
fans完成签到 ,获得积分10
1分钟前
秒速五厘米的应助被小亦雪采纳,获得10
1分钟前
nano_grid完成签到,获得积分10
1分钟前
阳光手机完成签到,获得积分10
2分钟前
Yi完成签到,获得积分0
2分钟前
bkagyin的应助被AN采纳,获得10
2分钟前
SAY完成签到 ,获得积分10
2分钟前
不安碧灵完成签到,获得积分10
2分钟前
cq_2完成签到,获得积分0
2分钟前
杨小洋完成签到,获得积分10
2分钟前
姚芭蕉完成签到 ,获得积分0
2分钟前
段宏涛关注了科研通微信公众号
2分钟前
2分钟前
2分钟前
姚老表完成签到,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185483
求助须知:如何正确求助?哪些是违规求助? 9574168
关于积分的说明 21834498
捐赠科研通 7783071
什么是DOI,文献DOI怎么找? 3434576
关于科研通互助平台的介绍 2558920
邀请新用户注册赠送积分活动 2481346