Average direct and indirect causal effects under interference
干扰下的平均直接与间接因果效应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。
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：摘要以跨个体干扰下的潜在结果为基础，定义直接和间接因果效应并解释其政策含义。
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
干扰下的平均直接与间接因果效应
- 研究问题
- 存在跨个体干扰时，如何定义二元处理的平均间接效应，使其与平均直接效应对应，并具有明确的政策解释？
- 方法与思路
- 作者在潜在结果框架中定义非参数平均间接效应，研究伯努利试验下的效应分解，并在多个参数化干扰模型中重新表达。
- 材料陈述的贡献
- 摘要称，直接与间接效应之和等于无穷小提高处理概率的政策效应；间接效应定义无需比较多个随机试验的结果。
- 阅读关注点
- 应核对间接效应的平均对象、处理概率的变化路径及分解定理条件，尤其注意无穷小政策变化与有限变化的区别。
- 阅读边界
- 仅据所给Crossref摘要，无法判断这些效应的可估计性、方差或有限样本表现；分解陈述针对伯努利试验中的无穷小变化。
原文摘要
Summary We propose a definition for the average indirect effect of a binary treatment in the potential outcomes model for causal inference under cross-unit interference. Our definition is analogous to the standard definition of the average direct effect and can be expressed without needing to compare outcomes across multiple randomized experiments. We show that the proposed indirect effect satisfies a decomposition theorem stating that in a Bernoulli trial, the sum of the average direct and indirect effects always corresponds to the effect of a policy intervention that infinitesimally increases treatment probabilities. We also consider a number of parametric models for interference and find that our nonparametric indirect effect remains a natural estimand when re-expressed in the context of these models.