Improved Guarantees for Heterogeneous Treatment-Effect Estimation via Matrix Completion
通过矩阵补全改进异质性处理效应估计的理论保证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：摘要明确针对跨单位与时间的面板数据估计异质性处理效应，支持因果推断和面板数据分类。
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…
通过矩阵补全改进异质性处理效应估计的理论保证
- 研究问题
- 面板数据中处理分配未知且不均匀时，如何利用低秩结构估计个体异质性处理效应，并获得有意义的逐行误差保证？
- 方法与思路
- 作者将单位与时间构成的效应矩阵及其行均值估计转化为矩阵补全问题，提出无需已知处理倾向的计算高效估计量。
- 材料陈述的贡献
- 摘要称，在低秩及正则条件下取得逐行误差界，并建立低秩近似的尖锐逐行扰动界，补充既有整体与逐元素理论。
- 阅读关注点
- 全文应核对观测矩阵与效应矩阵的关系、非均匀处理分配限制，以及逐行误差的定义和样本维度增长条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未展开低秩与分配条件，无需已知倾向不意味着允许任意选择性处理。
原文摘要
A central goal of modern causal inference is estimating heterogeneous treatment effects to answer questions like "how does an intervention affect each unit," rather than only on average. We study this problem with panel-data where we observe $n$ units across $m$ times under unknown, non-uniform treatment assignments. The data in this setting is naturally represented as a matrix of all unit--time treatment effects. Estimating heterogeneous treatment effects can then be expressed as obtaining a good estimation of each row's average in this matrix. This allows us to formulate the problem as matrix completion, which can be solved under natural low-rankness assumptions. However, existing matrix-completion guarantees are not powerful enough to get meaningful bounds for the per-row guarantee required for estimating the heterogeneous treatment effect; roughly speaking, they are only useful for estimating average treatment effect bounds, as also illustrated in a recent line of work. We give a simple, computationally efficient estimator that, without knowledge of the propensities and under standard low-rankness and regularity assumptions, achieves a row-wise $\ell_2$ error of $\tilde{O}(\sqrt{\frac{1}{n} + \frac{n}{m^2}})$. Technically, our analysis establishes the first sharp row-wise $\ell_2$-perturbation bound for low-rank approximation, complementing existing spectral-, Frobenius-, and entrywise perturbation theory.