Nov, 2019

半参数工具变量法在内生性下最优治疗方案的研究

PDF
TL;DR提出了一种基于工具变量的方法，通过二进制工具变量帮助确定无未测混杂作用的最优治疗方案，同时构造了新型的多重稳健分类估计器，该方法通过对育儿对劳动参与的影响数据的应用进行了说明。
optimal treatment regimesobservational studiesinstrumental variable approachendogeneitycompliance
发现论文，激发创造
  • 利用工具变量的有界、高效和多重稳健的平均处理效果估计

    本文提出了新的假设条件，允许在标准 IV 模型下识别平均处理效应（ATE），并构建了多个估计器，这些估计器在三个不同的观察数据模型下是一致的，并设计保证 ATE 估计值在 - 1 到 1 之间的估计器。

    Nov, 2016

  • 通过结合弱工具和观测数据估计异质治疗效应

    通过结合工具变量和观测数据，本文提出了一种可靠的方法来估计存在观测数据中的未观察混淆以及工具变量数据中的低合规性（包括某些子群体的零合规性）的条件平均处理效应（CATEs）。

    Jun, 2024

  • 利用观测数据进行政策学习

    本文提出了一种新的方法来优化二分类或连续处理的细微变化，该方法可以利用观测数据，其中因果效应使用各种策略（包括可观察的选择和仪器变量）进行识别，并建立了一种针对选择谁进行治疗的算法，并确定了其产生的政策渐近效用后悔的强有力保证。

    Feb, 2017

  • 存在工具变量的非参数推断方法

    本文提出基于核方法和正交级数的两种非参数方法，用于在工具变量存在时估计回归函数，首次推导出了最优收敛速度，同时表明这些估计量是在特定条件下实现的。在工具变量存在的情况下，确定回归函数的关系也定义了一类 “困难” 的逆问题，其 “困难” 的程度取决于内生与工具变量的联合密度函数的特征值，同时阐明了问题困难程度在确定最优收敛速率和适当的平滑参数选择方面所起的作用。

    Mar, 2006

  • 利用解缠的潜在因素进行治疗效果估计

    该研究提出了一种基于变分推断的方法，以同时识别观察变量中的潜在非混杂因素，并为处理效应估计提供更好的数据学习。

    Jan, 2020

  • 使用二元工具变量估计存在未观测混杂下的个体治疗效应

    该论文提出了一种称为 MRIV 的机器学习框架，基于二进制 IVs 直接估计个人化药物治疗效果，解决了实践中治疗分配容易被未观察变量混淆的偏差问题，并给出了理论分析证明的理论和实验结果表明，其性能表现优于已有的 IV 貌似方法。

    Aug, 2022

  • 具有（某些）无效工具的有效因果推断

    本文提出一种方法，使用多个工具变量估计器计算最可能的因果效应，从而在不依赖于「排除假设」的情况下进行一致的工具变量估计。

    Jun, 2020

  • 工具变量模型中的假设和界限

    本文为结合二进制反应 $Y$、二进制处理 $X$ 和多状态仪器 $Z$ 的工具变量（IV）模型的结果提供了证明，这些结果最初在 Richardson 和 Robins 的文章 “ACE Bounds; SEMS with Equilibrium Conditions”，arXiv:1410.0470 中提出。

    Jan, 2024

  • 带噪声治疗和无附带信息可辨识的因果推断

    本文提出了一种基于深层潜在变量模型和重要性加权变分目标的测量误差下因果推断的方法，使得即使没有测量误差方差和侧面信息，也可以得出可靠的因果效应估计。

    Jun, 2023

  • 利用独立仪器：鉴别和分布泛化

    介绍了一种基于 HSIC-X 工具的因果推断方法，该方法能够在考虑隐藏共变量的情况下，利用独立性进行精确推断，并在分布变化时具有不变性和最优性。

    Feb, 2022