设计不连续性
使用非参数方法估计处理结果的不连续性,发现印度的网络封锁导致经济活动减少超过 50%,大大超过以往的估计结果,为全球数码经济的封锁成本提供了新的认识。
Sep, 2023
基于回归方法,我们开发了建模和推断计数事实分布的工具,并构建了置信区间用于检验计数事实的功能假设,应用到美国数据的实证分析中,同时引入了分布回归作为建模方法,这个方法不仅全面灵活,而且对于建立稳健分布回归进程及各种相关的功能,我们建立了中心极限定理和引导验效果。
Apr, 2009
本文研究了试验或观察研究中估计因果效应异质性的问题以及在子群体之间进行处理效应差异大小的推断。提出了一种新的交叉验证标准来确定因果效应的预测是否准确,并将该方法应用于一个大规模的针对搜索引擎的实验。
Apr, 2015
我们的研究将因果估计推广到具有任意个维度或可测空间的结果,将传统的因果估计用于名义变量作为因果差异检验,提出了一种简单的方法来调整普遍一致的条件独立性检验,并证明这些检验是普遍一致的因果差异检验。数值实验证明,我们的方法 Causal CDcorr 与现有策略相比,在有限样本的有效性和功效方面都有所改进。我们的方法都是开源的,可以在 github.com/ebridge2/cdcorr 获取。
Jul, 2023
在只有离散观测值的情况下,该研究提出了一种能适应离散变量存在的条件独立性检验方法,通过设计桥接方程来恢复潜在连续变量的统计信息参数,并导出了适当的检验统计量及其在条件独立的零假设下的渐近分布,理论和实证验证结果表明了该方法的有效性。
Apr, 2024
本文介绍了一种在存在连续变量的情况下发现因果关系的方法,通过解决离散数据的严格级别约束限制的问题,把连续因果关系测试转换为每个区间内离散因果关系的测试,这些非参数规则可以广泛适用于大量结构因果模型。
May, 2023
通过将问题重新定义为一个学习任务,而不是 m 个个别任务,我们提出了一种新的方法,基于将数据递归地分成不同治疗方案最佳的区域。我们开发了新的工具来验证和评估观察数据中的个性化模型,并在个性化医学和职业培训应用中展示了我们的新方法的优势。
Aug, 2016
本研究提出了一种基于条件分布模型(如分位数和分布回归)构建有条件有效的预测区间的健壮方法,可以应用于横截面预测、k 步预测、合成控制和反事实预测、个体治疗效果预测等重要预测问题。
Sep, 2019
研究了针对一些未观测到的 (离散值) 直接因素的线性切换回归模型的 MLE 的存在性、一致性和渐近正态性的充分条件,构建了一种测试工具以及一种因果发现算法,并测试发现该算法在模型违规的情况下也具有鲁棒性,且表现优于现有的方法,同时还能够对数据点进行基于过程的聚类。
Aug, 2018