Connections as treatment: causal inference with edge interventions in networks
以连接为处理：网络边干预的因果推断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：处理被明确设为网络边，研究对象是连接干预的因果效应。
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
以连接为处理：网络边干预的因果推断
- 研究问题
- 当处理是单位之间连接的存在或缺失时，如何定义并估计网络结构变化对结果的因果效应，而不限于单位层面干预？
- 方法与思路
- 作者定义随机网络结构干预下的因果参数，在边分配无混杂假设下构造逆概率加权估计，并用指数随机图模型估计边概率。
- 材料陈述的贡献
- 摘要称建立了估计量的一致性与渐近正态性，并应用于中国交通网络，估计铁路连接对区域经济发展的因果影响。
- 阅读关注点
- 应核对边分配无混杂的含义、网络依赖如何进入渐近论证、边概率模型要求，以及铁路应用中的识别依据。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实。摘要未交代完整识别和渐近条件，也未报告铁路效应的大小与不确定性。
原文摘要
Causal inference has traditionally focused on interventions at the unit level. In many applications, however, the central question concerns the causal effects of connections between units, such as transportation links, social relationships, or collaborative ties. We develop a causal framework for edge interventions in networks, where treatments correspond to the presence or absence of edges. Our framework defines causal estimands under stochastic interventions on the network structure and introduces an inverse probability weighting estimator under an unconfoundedness assumption on edge assignment. We estimate edge probabilities using exponential random graph models, a widely used class of network models. We establish consistency and asymptotic normality of the proposed estimator. Finally, we apply our methodology to China's transportation network to estimate the causal impact of railroad connections on regional economic development.