Semi-supervised inference for treatment heterogeneity
处理效应异质性的半监督推断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：摘要明确在因果推断框架内研究处理效应异质性的估计，并利用临床试验应用验证，直接属于因果推断。
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
处理效应异质性的半监督推断
- 研究问题
- 有标签样本之外还存在大量无标签数据时，如何估计总体及工作模型解释的处理异质性，并避免引入效率损失？
- 方法与思路
- 作者为两类异质性指标构造半监督估计量，并对解释性指标采用数据依赖的重加权，调整两类样本的贡献。
- 材料陈述的贡献
- 摘要称重加权方法保证渐近方差不超过监督方法，并通过模拟和艾滋病临床试验数据评价稳健性及效率表现。
- 阅读关注点
- 应核对两类异质性指标的定义与识别、无标签数据包含哪些变量、样本间分布关系，以及方差保证的成立条件。
- 阅读边界
- 这是arXiv预印本，同行评审和期刊接收未获确认；摘要未说明识别和抽样条件，渐近方差保证不等于有限样本保证。
原文摘要
In causal inference, measuring treatment heterogeneity is crucial as it provides scientific insights into how treatments influence outcomes and guides personalized decision-making. In this work, we study semi-supervised settings where a labeled dataset is accompanied by a large unlabeled dataset, and develop semi-supervised estimators for two measures of treatment heterogeneity: the total treatment heterogeneity (TTH) and the explained treatment heterogeneity (ETH) of a simplified working model. We propose semi-supervised estimators for both quantities and demonstrate their improved robustness and efficiency compared with supervised methods. For ETH estimation, we show that direct semi-supervised approaches may result in efficiency loss relative to supervised counterparts. To address this, we introduce a re-weighting strategy that assigns data-dependent weights to labeled and unlabeled samples to optimize efficiency. The proposed approach guarantees an asymptotic variance no larger than that of the supervised method, ensuring its safe use. We evaluate the performance of the proposed estimators through simulation studies and a real-data application based on an AIDS clinical trial.