本文研究对社会项目和医疗方案的疗效进行随机实验评估时,如何准确评估其异质性治疗效应,进而为大量可用的治疗方案选择最有效的方案,确定治疗成功或失败的人群,以及设计个性化的最佳治疗方案。本文提出一种利用支持向量机分类器适应变量选择问题进行异质性治疗效应评估的方法,并证明其优于常用替代方法。
May, 2013
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
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
利用回归树对面板数据进行分析,将观测值划分为具有相似治疗效果的不相交簇,并利用面板数据的低秩结构估计每个簇的平均治疗效果,提供更准确和可解释的估计结果。
Jun, 2024
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
对于估计异质性治疗效果的研究人员,不需要局限于单个模型拟合算法,应通过从验证集中学习的目标函数对使用多个算法拟合的多个模型进行评估,从而选择最小化目标的模型,用于未来个体的治疗效果估计。
Apr, 2018
本文综述了数据驱动方法在异质性治疗效应估计上的应用,分为基于反事实预测和直接估计因果效应的方法,还有从数据中学习模型结构的结构因果模型方法,并在不同结构模型机制下进行了实证评估。
Jan, 2023
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