本文介绍了一种半参数方法,它可以将短期和长期结果的试验与观察性测量组合起来以估计长期治疗效果,并分析了一个扶贫计划的长期影响的数据进行了仿真测试。
Jul, 2021
在顺序实验中,通过使用自适应增广逆概率加权估计量和倾向得分截断技术,我们提出了一种有效的平均处理效应推断方法,能够在变动的样本规模下进行推断并具有较窄的置信区间。
Nov, 2023
本文提出了一种用于高维协变量信息下随机实验治疗效果估计的风险一致回归调整的方法,并建议使用交叉估计方法来获得有限样本无偏的治疗效果估计,最后对自适应规范搜索和机器学习方法如随机森林或神经网络等进行了拓展分析。
Jul, 2016
本文提出了一种修正方法,使得套索法等稀疏回归方法可以用于高维线性模型的 sqrt {n}- 一致推断,而无需额外假设述评分数的可估计性,仅需要假设存在交集,即积分比例得分从 0 和 1 足够远。
Apr, 2016
本文介绍了一种基于测量协变量的局部因果推断框架,其中正式承认协变量测量是难以完美匹配真实混淆机制的,为在基于观测数据的因果推断中提供新的思路。作者提出了一套非参数近端推断的条件,建立了平均处理效应的半参数近端推断理论,以及多种相容性分析方案,并在模拟情境和实际数据集评估中予以展示。
Nov, 2020
本研究开发了一个半参数框架,以获取关于所谓的边际自然直接和间接因果效应的推论,同时适当考虑曝露和中介变量的大量先前混淆因素,尤其是在中介分析方面提出了增量稳健的本地有效估计量和一种新的双重稳健灵敏度分析框架。
Oct, 2012
本篇研究提出了一种基于符合性推断的方法,用于在潜在结果框架下产生反事实和个体治疗效果的可靠区间估计,适用于完全随机或分层随机试验,以及遵循强忽略性假设的一般观测研究。同时,该方法在机器学习算法的条件平均治疗效应估计上表现出了良好的优势。
Jun, 2020
本研究提出了一种可扩展的损失最小化方法,用于估计有界效应的未观察混淆因素对治疗选择的倾向比的条件平均治疗效应(CATE)的界限。同时,还引入了灵活的模型类别进行估计,并提供了关于平均治疗效应(ATE)的灵敏度分析,我们发现最优边界在某些情况下是紧的。该方法在模拟和实际数据示例上表现出准确的覆盖率。
Aug, 2018
本文提供了针对丰富的数据环境中的各种处理效应,包括局部平均处理效应(LATE)和局部分位数处理效应(LQTE)的高效估计量和诚实置信区间。 我们的框架涵盖了处理的内生接收,异质性处理效应和函数值结果等特殊情况。
Nov, 2013
本研究报告了一个专门为评估观察研究中的治疗效应变异而设计的工作坊的结果。参与者使用多样的方法进行了分析,从配对和灵活的结果建模到半参数估计和集成方法。虽然有广泛的一致性,但在估计治疗效应调节方面仍存在巨大差异。
Jul, 2019