A novel decomposition to explain heterogeneity in observational and randomized studies of causality
解释观察性与随机研究因果效应异质性的新分解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：摘要直接研究观察性与随机研究之间因果处理效应的异质性及其分解。
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…
解释观察性与随机研究因果效应异质性的新分解
- 研究问题
- 不同观察性研究和随机研究中的处理效应为何不同，如何区分处理前协变量分布、中介变量与结果机制带来的异质性？
- 方法与思路
- 作者提出跨研究因果效应异质性的形式分解，并在不同假设下估计相应因果参数，以模拟和住房机会研究数据展示应用。
- 材料陈述的贡献
- 摘要称框架能够区分跨研究处理效应差异的来源，并支持因果参数估计，为多研究证据综合和政策分析提供方法。
- 阅读关注点
- 应核对各分解项的因果含义、分解是否依赖路径或顺序，以及跨研究比较、中介分析和稳健估计各自需要的假设。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未给出分解公式、完整识别假设，也未说明稳健性的具体含义。
原文摘要
This paper introduces a novel decomposition framework to explain heterogeneity in causal effects observed across different studies, considering both observational and randomized settings. We present a formal decomposition of between-study heterogeneity, identifying sources of variability in treatment effects across studies. The proposed methodology allows for robust estimation of causal parameters under various assumptions, addressing differences in pre-treatment covariate distributions, mediating variables, and the outcome mechanism. Our approach is validated through a simulation study and applied to data from the Moving to Opportunity (MTO) study, demonstrating its practical relevance. This work contributes to the broader understanding of causal inference in multi-study environments, with potential applications in evidence synthesis and policy-making.