Spatial Interference Detection in Treatment Effect Model
处理效应模型中的空间干扰检测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：摘要明确在处理效应模型中研究空间干扰及各单位的干扰邻居。
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…
处理效应模型中的空间干扰检测
- 研究问题
- 既有干扰分析常依赖明确且同质的结构设定；研究能否由数据发现干扰是否存在，以及每个单位受到哪些邻近单位影响。
- 方法与思路
- 作者提出低秩与稀疏处理效应模型，采用剖面算法估计系数，再构建干扰存在性的全局检验和邻居位置的局部检测。
- 材料陈述的贡献
- 摘要称，论文给出估计误差的非渐近界、全局检验保证及以 Jaccard 指数衡量的检测准确性保证，并提供模拟和真实数据示例。
- 阅读关注点
- 应核对低秩与稀疏分解的可识别性、干扰位置的定义，以及误差界、检验和检测保证所需的样本与信号条件。
- 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；摘要未说明完整条件，数据驱动检测仍依赖所提出的结构模型。
原文摘要
Modeling the interference effect is an important issue in the field of causal inference. Existing studies rely on explicit and often homogeneous assumptions regarding interference structures. In this paper, we introduce a low-rank and sparse treatment effect model that leverages data-driven techniques to identify the locations of interference effects. A profiling algorithm is proposed to estimate the model coefficients, and based on these estimates, global test and local detection methods are established to detect the existence of interference and the interference neighbor locations for each unit. We derive the non-asymptotic bound of the estimation error, and establish theoretical guarantees for the global test and the accuracy of the detection method in terms of Jaccard index. Simulations and real data examples are provided to demonstrate the usefulness of the proposed method.