Group LASSO Variable Selection Method for Treatment Effect Generalization
用于处理效应推广的 Group LASSO 变量选择方法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：摘要明确研究随机试验处理效应向目标人群的推广及相关变量选择。
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…
用于处理效应推广的 Group LASSO 变量选择方法
- 研究问题
- 当随机试验人群与目标人群存在协变量分布差异及处理效应异质性时，如何选择用于将试验效应推广到目标人群的变量？
- 方法与思路
- 作者提出基于 Group LASSO 的变量选择方法，将其用于处理效应推广，并应用于将极低尼古丁香烟试验效应推广到美国吸烟人群。
- 材料陈述的贡献
- 摘要提出面向处理效应推广场景的变量选择方案，回应同时刻画效应异质性和人群协变量差异的需求，并给出应用。
- 阅读关注点
- 应核对变量分组、惩罚参数与效应修饰变量的选择方式，以及变量选择后的推广估计、重叠要求和不确定性处理。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明选择一致性、推广识别条件或应用中的效应数值。
原文摘要
Often in public health, we are interested in the treatment effect of an intervention on a population that is systemically different from the experimental population the intervention was originally evaluated in. When treatment effect heterogeneity is present in a randomized controlled trial, generalizing the treatment effect from this experimental population to a target population of interest is a complex problem; it requires the characterization of both the treatment effect heterogeneity and the baseline covariate mismatch between the two populations. Despite the importance of this problem, the literature for variable selection in this context is limited. In this paper, we present a Group LASSO-based approach to variable selection in the context of treatment effect generalization, with an application to generalize the treatment effect of very low nicotine content cigarettes to the overall U.S. smoking population.