Heterogeneous Treatment Effects under Network Interference: A Nonparametric Approach Based on Node Connectivity
网络干扰下异质性处理效应：基于节点连通性的非参数方法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：摘要明确研究网络干扰下的节点反事实均值与处理效应异质性，并建立双重稳健因果估计程序。
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…
网络干扰下异质性处理效应：基于节点连通性的非参数方法
- 研究问题
- 网络中的个体结局受他人处理影响时，如何估计节点层面的反事实均值，以揭示总体平均效应掩盖的网络相关处理效应异质性？
- 方法与思路
- 作者提出基于节点连通性的非参数核估计程序 KECENI，采用双重稳健构造，并研究网络依赖下的一致性与渐近正态性。
- 材料陈述的贡献
- 摘要称该框架将分析对象细化到节点反事实均值，给出相应估计与渐近推断方法，并在小额信贷数据中展示网络特征与效应的联系。
- 阅读关注点
- 应核对节点反事实均值及干预的定义、网络特征与核距离的构造，以及双重稳健条件、依赖限制和节点层面推断的有效样本量。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明完整识别、核平滑及网络渐近条件，不能据此保证任意网络的节点效应可估。
原文摘要
In network settings, interference between units makes causal inference more challenging as outcomes may depend on the treatments received by others in the network. Typical estimands in network settings focus on treatment effects aggregated across individuals in the population. We propose a framework for estimating node-wise counterfactual means, allowing for more granular insights into the impact of network structure on treatment effect heterogeneity. We develop a doubly robust and non-parametric estimation procedure, KECENI (Kernel Estimator of Causal Effect under Network Interference), which offers consistency and asymptotic normality under network dependence. The utility of this method is demonstrated through an application to microfinance data, revealing the impact of network characteristics on treatment effects.