Estimating Treatment Effects Using Observational Data and Experimental Data with Non-overlapping Support
结合支持集不重叠的观察数据与实验数据估计处理效应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：摘要明确研究观察数据与实验数据融合下的平均处理效应估计，因此归入因果推断。
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
结合支持集不重叠的观察数据与实验数据估计处理效应
- 研究问题
- 当观察数据同时含目标结果和替代结果，而实验数据仅含替代结果时，如何结合两者估计目标平均处理效应？
- 方法与思路
- 作者提出结合两类数据的简单平均处理效应估计量；题名指出支持集不重叠，但摘要未说明连接两类结果的具体机制。
- 材料陈述的贡献
- 摘要明确提出利用观察数据的信息丰富性和实验数据的优势来估计平均处理效应，但未报告识别定理或误差结果。
- 阅读关注点
- 应核对替代结果与目标结果的联系、跨数据来源的可迁移条件，以及支持集不重叠时识别与外推分别依靠什么假设。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未给出识别假设，不能据此认定方法已解决未观测混杂或外推问题。
原文摘要
When estimating treatment effects, the golden standard is to conduct a randomized experiment and then contrast outcomes associated with the treatment group and the control group. However, in many cases, randomized experiments are either conducted with a much smaller scale compared to the size of the target population or accompanied with certain ethical issues and thus hard to implement. Therefore, researchers usually rely on observational data to study causal connections. The downside is that the unconfoundedness assumption, the key to validate the use of observational data is hard to verify and almost always violated. Hence, any conclusion drawn from observational data should be further analyzed with great care. Given the richness of observational data and usefulness of experimental data, researchers hope to develop credible method to combine the strength of the two. In this paper, we consider a setting where the observational data contain the outcome of interest as well as a surrogate outcome while the experimental data contain only the surrogate outcome. We propose a simple estimator to estimate the average treatment effect of interest using both the observational data and the experimental data.