One-step Estimator

정의

플러그-인 $\psi(\hat P)$에 추정된 EIF의 경험평균을 더해 1차 편향을 교정: $\hat\psi_{\text{os}}=\psi(\hat P)+\frac{1}{n}\sum_{i=1}^n\phi(O_i;\hat P).$ 효율적 추정방정식을 향한 한 번의 Newton 스텝. Cross-fitting(Donsker 조건 회피) + nuisance 수렴률 $o_p(n^{-1/4})$ 하에서 $\sqrt n$-일치·점근효율·double robust. ATE의 AIPW가 대표적 one-step 추정량.

직관적 이해

“예측(plug-in)은 편향돼 있다 → IF로 그 1차 편향을 빼준다.” von Mises 전개의 잔차 $R_2$가 이차라 nuisance가 다소 느려도 $\sqrt n$ 보장.

관련 개념

• Influence Function · Efficient Influence Function · AIPW · TMLE(대안 보정) · Cross-fitting · Double Machine Learning

참고 논문

• Kennedy, “Semiparametric DR targeted DML: a review”, arXiv:2203.06469, 2022
• Pfanzagl (one-step/von Mises 계보); Tsiatis 2006