Denoised IPW-Lasso for Heterogeneous Treatment Effect Estimation in Randomized Experiments
随机实验异质性处理效应估计的去噪IPW-Lasso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：摘要明确以随机实验中的条件平均处理效应为估计目标，并使用逆概率加权处理识别问题，直接属于异质性因果效应估计。
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…
随机实验异质性处理效应估计的去噪IPW-Lasso方法
- 研究问题
- 随机实验中，逆概率加权后的结局即使用真实倾向得分仍可能噪声很大，如何更准确且可解释地估计条件平均处理效应？
- 方法与思路
- 作者先对逆概率加权构造的结局进行降噪，再用Lasso估计线性条件平均处理效应模型，并研究降噪对预测误差的影响。
- 材料陈述的贡献
- 摘要称降噪能够降低Lasso预测误差，尤其适用于处理效应相对结局变异较小的场景，并在两项应用中改善高效应个体识别。
- 阅读关注点
- 应核对去噪步骤及其数据使用方式、线性与稀疏性要求，以及误差改进结论的条件和个体排序评价是否采用独立验证数据。
- 阅读边界
- 这是arXiv预印本，不能据此确认同行评审或期刊接收；摘要未给出去噪公式与比较细节，应用表现不能证明其普遍优于非参数方法。
原文摘要
This paper proposes a new method for estimating conditional average treatment effects (CATE) in randomized experiments. We adopt inverse probability weighting (IPW) for identification; however, IPW-transformed outcomes are known to be noisy, even when true propensity scores are used. To address this issue, we introduce a noise reduction procedure and estimate a linear CATE model using Lasso, achieving both accuracy and interpretability. We theoretically show that denoising reduces the prediction error of the Lasso. The method is particularly effective when treatment effects are small relative to the variability of outcomes, which is often the case in empirical applications. Applications to the Get-Out-the-Vote dataset and Criteo Uplift Modeling dataset demonstrate that our method outperforms fully nonparametric machine learning methods in identifying individuals with higher treatment effects. Moreover, our method uncovers informative heterogeneity patterns that are consistent with previous empirical findings.