M-learner:A Flexible And Powerful Framework To Study Heterogeneous Treatment Effect In Mediation Model
M-learner：中介模型中异质处理效应的学习框架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：摘要直接研究中介框架中的异质间接效应、总处理效应及相关子群识别。
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…
M-learner：中介模型中异质处理效应的学习框架
- 研究问题
- 在存在中介机制时，如何估计异质的间接与总处理效应，并据此识别有不同效应特征的个体子群及其划分结构？
- 方法与思路
- 作者先估计个体条件平均间接或总效应，再构造效应差异距离，经 tSNE 降维和 K-means 聚类，最后以阈值程序校准。
- 材料陈述的贡献
- 摘要提出面向中介情形的异质效应与子群识别框架，并称实验展示稳健性和有效性，另使用 Jobs II 数据提供应用。
- 阅读关注点
- 核对间接效应的定义与识别条件、个体条件效应如何估计，以及降维、聚类和阈值选择对分组稳定性与解释的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未给识别和推断条件，也不足以独立确认其首创性或普遍稳健性。
原文摘要
We propose a novel method, termed the M-learner, for estimating heterogeneous indirect and total treatment effects and identifying relevant subgroups within a mediation framework. The procedure comprises four key steps. First, we compute individual-level conditional average indirect/total treatment effect Second, we construct a distance matrix based on pairwise differences. Third, we apply tSNE to project this matrix into a low-dimensional Euclidean space, followed by K-means clustering to identify subgroup structures. Finally, we calibrate and refine the clusters using a threshold-based procedure to determine the optimal configuration. To the best of our knowledge, this is the first approach specifically designed to capture treatment effect heterogeneity in the presence of mediation. Experimental results validate the robustness and effectiveness of the proposed framework. Application to the real-world Jobs II dataset highlights the broad adaptability and potential applicability of our method.Code is available at https: //anonymous.4open.science/r/M-learner-C4BB.