Intact-VAE: Estimating Treatment Effects under Unobserved Confounding
Intact-VAE：未观测混杂下的处理效应估计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：题名和摘要明确研究未观测混杂下的处理效应识别与估计，属于因果推断；版本缺陷不改变研究主题。
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
Intact-VAE：未观测混杂下的处理效应估计
- 研究问题
- 如何将未观测混杂表示为潜变量，并借助预后评分启发的变分自编码器识别和估计处理效应，是摘要讨论的核心问题。
- 方法与思路
- 作者提出Intact-VAE，以预后评分为动机设计潜变量表示，并将效应识别、表示可识别性和估计一致性联系起来。
- 材料陈述的贡献
- 摘要原有陈述包括特定设定下的识别、一致性及实验表现，但其开头同时注明该预印本理论表述有缺陷，贡献需审慎理解。
- 阅读关注点
- 应重点核对理论缺陷涉及哪些命题、识别条件与潜变量表示的联系，并区分该摘要和其提及后续版本的实际内容。
- 阅读边界
- 这是预印本，同行评审未核验；摘要自注理论表述有缺陷，所指后续版本未核验，不能据原有主张确认识别或一致性。
原文摘要
NOTE: This preprint has a flawed theoretical formulation. Please avoid it and refer to the ICLR22 publication https://openreview.net/forum?id=q7n2RngwOM. Also, arXiv:2109.15062 contains some new ideas on unobserved Confounding. As an important problem of causal inference, we discuss the identification and estimation of treatment effects under unobserved confounding. Representing the confounder as a latent variable, we propose Intact-VAE, a new variant of variational autoencoder (VAE), motivated by the prognostic score that is sufficient for identifying treatment effects. We theoretically show that, under certain settings, treatment effects are identified by our model, and further, based on the identifiability of our model (i.e., determinacy of representation), our VAE is a consistent estimator with representation balanced for treatment groups. Experiments on (semi-)synthetic datasets show state-of-the-art performance under diverse settings.