该研究探讨了在协变量数目较多的情况下，半参数估计平均处理效应的方法，建议研究人员除了报告点估计和标准误差外，还应该进行多种补充分析以评估估计可信度。

Feb, 2017

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

本文提出了一种方法，将观测数据和实验数据相结合，通过控制函数方法进行因果效应的估计，以解决可能存在未观测混淆变量的问题。该方法应用于课堂规模和第三年级考试成绩的数据，结论表明，课堂规模对学生学业成就有显著影响。

Jun, 2020

本文研究了在难以收集数据的情况下，通过使用代理观测值对治疗效果进行高效估计，构建了基于机器学习技术的估计方法，并通过职业培训的长期收益效果的实证研究表明了其效果

Mar, 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

本文提出一种新的核平滑方法，可以在不需要参数模型的情况下，对连续治疗（如剂量）进行因果效应估计，并允许处理密度或结果回归的错误规范。方法经过了模拟证明，并应用于护士人员配备对医院复诊惩罚的研究中。

Jul, 2015

该论文研究了 Pareto 最优估计和政策学习方法，用于识别最有效的治疗方法，通过权衡短期和长期效果最大化总奖励，解决多目标优化和冲突问题。

Mar, 2024

本文旨在探讨在观察性或非全随机数据上进行因果推断的问题以及利用统计学习工具来解决这些问题。我们介绍了现有最先进的合适的框架，可通过非参数回归模型估计个体处理效应，并提出了模型选择问题，旨在利用某些方法对三个不同模拟研究的效果进行说明。最后，我们演示了在学校餐饮计划数据的实证分析中使用一些方法。

Sep, 2020

本篇论文通过建立时间连续的结构嵌套模型，提出可以在时间相关性干扰存在下，估算时间变化的治疗效应的概念框架和形式化方法，同时表明这样的估算器是准确和渐近正常的。

Oct, 2004

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