Average Direct and Indirect Causal Effects under Interference
存在干扰时的平均直接与间接因果效应AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论跨单位干扰下的直接和间接因果效应，并建立与处理概率政策变化的关系，直接对应因果推断及干扰研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
存在干扰时的平均直接与间接因果效应
- 研究问题
- 当一个单位的处理会影响其他单位的结果时，如何定义平均间接效应，并说明它与直接效应及整体处理概率政策变化的关系？
- 方法与思路
- 作者在潜在结果框架中定义二元处理的平均间接效应，研究伯努利试验下的分解关系，并将该目标量置于参数化干扰模型中解释。
- 材料陈述的贡献
- 摘要称无需比较多次随机实验即可表达间接效应，且伯努利试验中直接与间接效应之和等于微幅提高处理概率的政策效应。
- 阅读关注点
- 应核对间接效应对其他单位处理分配的平均方式、政策变化的导数定义，以及分解定理和参数模型解释的适用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收状态未核实；摘要未说明估计程序、方差推断或分解结果在其他随机化设计下是否成立。
原文摘要
We propose a definition for the average indirect effect of a binary treatment in the potential outcomes model for causal inference under cross-unit interference. Our definition is analogous to the standard definition of the average direct effect, and can be expressed without needing to compare outcomes across multiple randomized experiments. We show that the proposed indirect effect satisfies a decomposition theorem whereby, in a Bernoulli trial, the sum of the average direct and indirect effects always corresponds to the effect of a policy intervention that infinitesimally increases treatment probabilities. We also consider a number of parametric models for interference, and find that our non-parametric indirect effect remains a natural estimand when re-expressed in the context of these models.