用于因果效应估计的校准倾向得分
本文介绍了使用倾向得分法估算二元治疗的因果效应,探讨了一些减少治疗和对照组之间初始协变量偏差的方法,并针对多种分类治疗方法提出了可能的匹配技术,利用模拟演示了如何提高匹配集合中协变量的相似度。
Jan, 2017
介绍了倾向性评分法作为评估干预措施因果效应的中心工具,并讨论了它在医学研究、流行病学和市场干预等领域的应用。同时,指出在评估市场干预方面,传统的统计工具可能会产生明显的偏差,而倾向性评分法是评估因果效应的更优方法。
Sep, 2006
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
通过在可观测数据集中消除不同的偏差,去偏协同过滤旨在学习一个无偏的预测模型。本文通过重新加权观测样本分布以适应目标样本的倾向得分来解决此问题。为了更好地满足因果平衡约束条件,作者提出了一种近似平衡函数的方法,并在再生核希尔伯特空间中证明了其更好满足因果平衡约束条件的能力。同时,作者提出了一种自适应平衡核函数的算法,并理论上分析了方法的泛化误差界。通过广泛的实验证明了该方法的有效性。
Apr, 2024
本文提出了一种借助倾向得分回归进行非参数估计的方法,以探究在人群的不同特征下治疗效果的差异,其计算效率高且不受干扰。通过在 NHFS 数据上应用该方法,研究了不同年龄组人群接种疫苗和带薪病假对季节性流感的影响。
Sep, 2021
文章提出了一种处理在 “比较效度研究” 中常出现、因样本不完整而右截断的生存结果的方法,该方法将生存结果构造为伪观测值,使得标准方法如 “倾向性评分加权法” 可以像完全观测数据一样进行因果推断,借助函数变量法和 von Mises 展开法产生一个新的闭合形式的权重估计方差,考虑了伪观测值计算和倾向性评分估计的不确定性,从而实现有效且高效的推断,最后,将该方法应用于比较前列腺癌患者的三种常见治疗方法的因果效应。
Feb, 2021
本论文针对推荐系统中存在的缺失数据,提出了一种基于反事实倾向评分的缺失值加权估计方法。通过使用多种代表性不确定性校准技术来对倾向得分估计进行不确定性校准,理论分析和实验结果表明,不确定性校准的 IPS 估计器比未校准的表现更好,从而提高了推荐结果。
Mar, 2023
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
通过最大化因果推断精度的熵平衡算法,我们研究了在倒数概率得分加权框架下,观测原因推断中连续治疗的问题,并使用合成和真实数据展示出我们的算法比基线熵平衡算法更准确地估计因果效应。
Jul, 2021