METHOD · mth_tmle · v1
Targeted Maximum Likelihood Estimation (TMLE)
目标最大似然估计
针对预先定义的目标参数,将灵活的数据自适应学习与针对目标参数的更新步骤结合,以获得有针对性的估计和统计推断。
这是一份有来源的研究方法资料卡,尚未经过领域专家核验。书目核对与方法适用性分别记录,实施前请结合研究设计复核。
方法身份
- 规范名称
- Targeted Maximum Likelihood Estimation (TMLE)
- 别名
- TMLE、Targeted Maximum Likelihood Estimation、目标最大似然估计
- 方法族
- Semiparametric causal inference / targeted learning
以上名称和分类来自此版本资料卡,不代表方法之间存在已核验的关系或适用性。
目标量与分析目的
预先定义的 target parameter;具体可包括平均处理效应及更复杂纵向目标。
数据条件
- 与目标参数相匹配的观测数据结构
- 处理/结局/协变量或纵向历史
- 可估计 nuisance components 的学习器/模型
识别与适用假设
- 因果 estimand 仍依赖相应 causal identification assumptions
- positivity/support
- nuisance estimation 与统计条件需满足相应 TMLE 理论要求
常见失败
- 未定义 estimand 直接调用软件
- 把 doubly robust 误解为“任何模型错了都没关系”
- 忽略 cross-fitting/positivity 与复杂数据结构
不能支持的结论
- 机器学习精度不能自动创造因果识别
- TMLE 不是对所有错设与 positivity 失败的万能修复
诊断与核对
- 明确 target parameter 而非只写 TMLE 名称
- 检查 positivity 与 nuisance fit
- 使用 cross-validation / Super Learner 时记录学习器与折分
- 检查推断与有限样本稳定性
可比较的替代方法
- AIPW
- DML
- g-formula
- IP weighting / MSM
来源与参考
- Targeted Learning: Causal Inference for Observational and Experimental Data
Mark J. van der Laan; Sherri Rose · 2011
独立书目核对只涉及来源身份;不表示本方法全部说明已获专家核验或全文复用授权。
书目身份已独立核对 · 2026-10-07
打开原始来源 ↗
来源链接用于核对。来源可访问不代表已获全文或代码再分发授权。
资料卡记录的来源范围
Springer page identifies the targeted learning framework, TMLE chapters and applications; this card deliberately avoids claiming guarantees beyond design- and estimand-specific assumptions.
对象关系
关系连接明确的对象版本。前置知识指学习或实现知识;搭配关系是编辑建议,尚未统计真实使用频率。
此对象版本尚未收录明确版本的关系。
关联研究主题
这些旧版关系没有绑定方法版本,只保留供回溯。当前版本的明确版本关系见“对象关系”;编辑建议不代表已验证适用性。
当前版本尚未收录关联。