本文针对多个处理水平下的观察研究,开发了估计平均处理效应的新方法,并通过对纤维肌痛治疗效果的分析和模拟研究验证了这些方法的有效性。
Aug, 2015
通过对倾向得分模型进行重新校准,可以提高因果效应估计的准确性,进而降低在高维基因组关联研究等任务中的计算要求。
Jun, 2023
介绍了倾向性评分法作为评估干预措施因果效应的中心工具,并讨论了它在医学研究、流行病学和市场干预等领域的应用。同时,指出在评估市场干预方面,传统的统计工具可能会产生明显的偏差,而倾向性评分法是评估因果效应的更优方法。
Sep, 2006
本文提出了一种借助倾向得分回归进行非参数估计的方法,以探究在人群的不同特征下治疗效果的差异,其计算效率高且不受干扰。通过在 NHFS 数据上应用该方法,研究了不同年龄组人群接种疫苗和带薪病假对季节性流感的影响。
Sep, 2021
文章提出了一种处理在 “比较效度研究” 中常出现、因样本不完整而右截断的生存结果的方法,该方法将生存结果构造为伪观测值,使得标准方法如 “倾向性评分加权法” 可以像完全观测数据一样进行因果推断,借助函数变量法和 von Mises 展开法产生一个新的闭合形式的权重估计方差,考虑了伪观测值计算和倾向性评分估计的不确定性,从而实现有效且高效的推断,最后,将该方法应用于比较前列腺癌患者的三种常见治疗方法的因果效应。
Feb, 2021
本文考虑针对协变量的平衡,提出基于倾向得分的加权策略以平衡不同处理组间分布的协变量。并针对此类权重提出新的加权方案,即叠加权重,从而最小化此类平衡权重中加权平均治疗效应的渐进方差,同时具有良好的小样本平衡性质。最后,我们提出一种新的方法,可以实现任何选定协变量的均值的精确平衡。
Sep, 2016
该论文提供了匹配方法的结构和指导,汇总现有研究(包括新旧研究)并提供匹配方法研究的概述和方向。
Oct, 2010
本研究提出一种基于深度学习的经济计量学技术,特别是针对因果推断和估计个体和平均处理效果。具体而言,我们分析了使用自编码器进行降维的广义邻居匹配用于估计个体处理效果和平均处理效果,并将深度神经网络应用于倾向得分匹配以提高性能。
Mar, 2018
研究因果推断中的模型选择问题,特别是针对二元处理条件下的条件平均处理效应(CATE)估计问题。作者设计了一种不依赖反事实数据的模型选择技术,并通过广泛实证分析验证了各种代理度量标准在真实数据集上的性能表现。
Nov, 2022
本研究提出了一种用于处理异质数据的协作逆倾向得分加权估计器,在协作中调整分布转移,从而在异质性增加时显著提高性能,提出了一种联邦学习算法来在保持隐私的同时协作训练结果模型,并通过合成和真实数据集展示了方法的优势。
Apr, 2024