因果连续处理效应估计的端到端平衡
本文研究了权重估计在连续曝光情况下的熵平衡优化估计方法,并结合熵平衡权重进行了非参数估计,聚焦于在医疗和健康服务研究中的实际应用和重要因素。该方法应用于评估基于证据的物质使用治疗程序的非随机组分对情感和物质使用临床结果的影响时的数据。
Mar, 2020
本文介绍了一种基于排列加权的方法,使用标准二元分类器来估计平衡权重,以实现观测因果推断。通过这种方法可以估计多种现有平衡权重,同时允许基于分类器损失的方法直接比较,并使用交叉验证进行超参数调整。实证评估表明,排列权重相对于现有的方法表现更为有利。
Jan, 2019
基于灵活的时间空间网格划分技术,本研究提出了一种以连续熵平衡为基础的因果连续处理的时空熵平衡方法(TS-EBCT),经过实验证明,在城市货运领域应用 TS-EBCT 方法后,因果效应的预测准确性显著提高,为公司的补贴和定价策略带来良好的商业利益。
Dec, 2023
本文提出了一种非实验设置下绘制因果关系的方法,并展示了一个广义倾向得分估计器,该估计器允许我们估计连续治疗的直接效应和溢出效应,并研究了溢出效应如何塑造农业市场政策干预的最优水平。结果表明,在这种情况下,忽略干扰可能会导致在评估政策有效性时出现向下偏差。
Apr, 2020
本文介绍了在因果推断中使用加权重来实现预测功能的平衡,强调了确定合适的目标人群的重要性,并使用引理将平衡与倾向性评估的质量联系起来,最终展示了学习到的加权表示如何促进具有吸引力统计特征的替代因果学习过程。
Oct, 2020
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
本文提出了一种使用积分概率度量进行协变量平衡的加权方法,并证明该方法可以在不正确指定模型的情况下保持一致性,同时在有限样本情况下的表现也比现有方法更好。
May, 2023
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