因果连续治疗效应估计的时空熵平衡
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
我们提出了一种名为整体空间因果回归(ESCFR)的原则性方法,该方法利用随机最优输运的框架来应对观察数据中的治疗选择偏倚问题,并通过放松保质保量约束和设计近端事实后果约束来解决小批量采样效应和未观测混淆因素的影响,实验证明我们的方法能够成功应对治疗选择偏倚,并取得明显优于现有方法的性能。
Oct, 2023
基于深度学习的潜在结果模型及其在时空因果推断中的应用:通过扩展潜在结果框架,在无未测混淆的情况下对时变治疗分配中的空间干扰进行形式化,并利用潜在因子建模来减少因时变混淆引起的偏差,同时利用 U-Net 架构捕捉数据随时间的全局和局部空间干扰,从而推断空间干扰对受治疗和未受治疗数据的直接和间接效应。
May, 2024
本篇研究介绍了一种完整的因果推断方法,可以针对时空偏离的介入变量和观测变量生成的数据进行处理,并使用马丁格尔理论提出了一种可靠估计方法。此外,还在实际案例中分析了美国空袭对于伊拉克叛乱事件造成影响的情况。
Mar, 2020
该研究论文提出了一种基于因果关系的理论解决方案,名为 “Disentangled Contextual Adjustment (DCA)”,以及一种名为 “Spatio-Temporal sElf-superVised dEconfounding (STEVE)” 的框架,用于处理 ST 交通预测中的分布变化问题,以提高预测性能。实验结果表明,STEVE 在各种不同的 ST 分布变化场景下始终优于现有技术基线。
Nov, 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
我们研究在单个聚合单元上进行的回溯实验的设计和分析问题,推导出了误差估计依赖于交叉效应、周期性、序列相关的结果以及同步实验的影响等四个因素,并提出了三个新的设计见解,最后提出了一种基于经验贝叶斯的设计方法,并在实际数据的基础上进行了验证。
Jun, 2024