Estimating Heterogeneous Treatment Effects for General Responses
一般响应变量的异质性处理效应估计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：摘要以异质性处理效应的因果目标量及机器学习辅助估计为核心。
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
一般响应变量的异质性处理效应估计
- 研究问题
- 对于二元结果和生存时间等一般响应变量，如何定义并估计异质性处理效应，使协变量对处理效应的影响易于建模？
- 方法与思路
- 作者提出自然参数差DINA，覆盖指数族和Cox模型，并设计可调用现成机器学习工具估计辅助函数的元算法。
- 材料陈述的贡献
- 摘要称，DINA便于二元和生存结局建模，所提元算法对辅助函数估计误差具有稳健性，并展示模拟与真实数据应用。
- 阅读关注点
- 应核对DINA与条件均值差的解释区别、Cox模型中的定义，以及因果识别和辅助函数误差稳健性所需条件。
- 阅读边界
- 这是arXiv预印本，同行评审及接收未核验，摘要以报告形式表述。具体稳健性条件未说明，不能推断任意估计误差均无影响。
原文摘要
Heterogeneous treatment effect models allow us to compare treatments at subgroup and individual levels, and are of increasing popularity in applications like personalized medicine, advertising, and education. In this talk, we first survey different causal estimands used in practice, which focus on estimating the difference in conditional means. We then propose DINA, the difference in natural parameters, to quantify heterogeneous treatment effect in exponential families and the Cox model. For binary outcomes and survival times, DINA is both convenient and more practical for modeling the influence of covariates on the treatment effect. Second, we introduce a meta-algorithm for DINA, which allows practitioners to use powerful off-the-shelf machine learning tools for the estimation of nuisance functions, and which is also statistically robust to errors in inaccurate nuisance function estimation. We demonstrate the efficacy of our method combined with various machine learning base-learners on simulated and real datasets.