Median-based Splitting Rules for Causal Trees and Forests
因果树与因果森林的中位数分裂规则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：摘要围绕因果树、因果森林及异质性处理效应展开，稳健分裂服务于因果估计，因此归入因果推断。
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…
因果树与因果森林的中位数分裂规则
- 研究问题
- 当结果变量具有重尾或偏态时，如何减轻极端值对因果树分裂的影响，同时保留条件平均处理效应的估计目标与推断流程？
- 方法与思路
- 作者用 Hodges–Lehmann 位置估计构造 MSD 分裂准则，以 MAD 和 LMS 为稳健基准，保持诚实叶节点估计与森林推断不变。
- 材料陈述的贡献
- 摘要称，MSD 将稳健化限定于分裂选择，并在重尾及偏态模拟中降低条件平均处理效应估计误差，同时展示两个应用。
- 阅读关注点
- 应核对分裂准则的具体定义、诚实样本划分方式，以及稳健分裂后仍以均值效应为目标时的偏差和覆盖率表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未给出收益幅度或完整理论条件，不能据此认定所有重尾场景均有改善。
原文摘要
Heavy-tailed and skewed outcomes are common in the randomized experiments and observational studies used to estimate heterogeneous treatment effects, yet the mean-squared-error criterion that guides splitting in honest causal trees is sensitive to the extreme values they generate. Building on the causal forest framework (Athey and Imbens, 2016; Wager and Athey, 2018), we introduce the Median Squared Deviation (MSD) criterion, which replaces the leafwise difference in means in the honest splitting objective with the Hodges--Lehmann location estimator while leaving honest leaf estimation and forest inference unchanged. Two further median-based rules, the Median Absolute Deviation (MAD) and the Least Median of Squares (LMS), serve as robust baselines. We evaluate the criteria in a simulation study covering precision, bias, and confidence interval coverage. MSD restricts its robustness to split selection and lowers the error of conditional average treatment effect estimates under heavy-tailed and skewed outcomes. Further, we re-visit two empirical applications: the first analyzes the electoral effects of a Mexican conditional cash transfer program on precinct-level observations, while the second application studies antiretroviral treatments in HIV-positive adults.