Addressing Positivity Violations in Causal Effect Estimation using Gaussian Process Priors
利用高斯过程先验处理因果效应估计中的正值性违反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：摘要以观测研究的正值性假设、处理效应估计和协变量重叠为核心，直接对应因果推断领域的识别与外推问题。
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
利用高斯过程先验处理因果效应估计中的正值性违反
- 研究问题
- 处理组与对照组的协变量重叠不足时，如何估计总体处理效应，并让低重叠区域所需外推的不确定性得到体现？
- 方法与思路
- 作者构建高斯过程处理效应模型，使协变量空间中重叠较少的区域对应更大不确定性，并用模拟及右心导管术研究评估。
- 材料陈述的贡献
- 摘要称，该方法以统一模型估计处理效应，减少分布假设，并体现实际正值性违反下的不确定性；模拟评估偏差与效率。
- 阅读关注点
- 应核对核函数与先验如何决定外推、实际正值性违反的定义，以及效应目标、区间校准和其他因果识别条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未说明理论保证和模拟数值，先验外推不能自动恢复缺失的识别信息。
原文摘要
In observational studies, causal inference relies on several key identifying assumptions. One identifiability condition is the positivity assumption, which requires the probability of treatment be bounded away from 0 and 1. That is, for every covariate combination, it should be possible to observe both treated and control subjects, i.e., the covariate distributions should overlap between treatment arms. If the positivity assumption is violated, population-level causal inference necessarily involves some extrapolation. Ideally, a greater amount of uncertainty about the causal effect estimate should be reflected in such situations. With that goal in mind, we construct a Gaussian process model for estimating treatment effects in the presence of practical violations of positivity. Advantages of our method include minimal distributional assumptions, a cohesive model for estimating treatment effects, and more uncertainty associated with areas in the covariate space where there is less overlap. We assess the performance of our approach with respect to bias and efficiency using simulation studies. The method is then applied to a study of critically ill female patients to examine the effect of undergoing right heart catheterization.