TMLE (Targeted Maximum Likelihood Estimation)

정의

TMLE는 plug-in 추정량을 표적 모수 방향으로 보정(targeting) 하는 절차다. 단계는 다음과 같다.

1. 결과회귀 $\bar Q^0$와 성향 $g$를 초기 추정한다(ML을 자유롭게 쓴다).
2. EIF에서 유도한 clever covariate $H(A,X)$를 쓰는 parametric submodel을 따라 $\bar Q$를 fluctuation 한다($\varepsilon$ 적합).
3. 갱신된 $\bar Q^*$를 표적 모수에 plug-in 한다.

보정 단계가 경험적 EIF 방정식 $P_n\phi(\bar Q^*,g)=0$을 풀게 하므로, 점근 효율과 double robustness를 얻으면서 plug-in이라 모수 범위까지 보존한다.

직관적 이해

먼저 예측을 한 뒤 인과 표적 방향으로만 살짝 밀어, EIF 방향의 잔차(residual) 편향(bias)을 제거하는 방식이다. One-step Estimator나 AIPW와 같은 효율을 달성하되, plug-in이라 경계(확률 등)를 지킨다.

관련 개념

• Efficient Influence Function · One-step Estimator · AIPW · Double Machine Learning · Cross-fitting

참고 논문

• van der Laan & Rose, Targeted Learning, Springer 2011 — TMLE canonical
• Kennedy review, arXiv:2203.06469, 2022 (EIF·DR·TMLE/DML 통합)