Causal Inference on Sequential Treatments via Tensor Completion
通过张量补全推断序贯处理的因果效应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。
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：摘要围绕纵向个体数据中的序贯处理、时变混杂和反事实补全展开，直接支持因果推断与面板分类。
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…
通过张量补全推断序贯处理的因果效应
- 研究问题
- 研究纵向观察研究中如何灵活建模序贯处理的潜在结果，利用个体、时间与处理方案之间的低秩结构缓解参数模型误设。
- 方法与思路
- 作者提出张量化历史受限边际结构模型，结合半参数低秩因子结构与处理前协变量，并在补全损失中加入逆处理概率权重。
- 材料陈述的贡献
- 摘要称给出估计误差的非渐近 Frobenius 范数上界，模拟表现优于所比较方法，并用重症监护数据分析通气对器官功能的影响。
- 阅读关注点
- 应核对历史窗口与处理方案定义、低秩和加权所需条件、误差界的维度依赖，以及通气应用中的时变混杂和权重稳定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整识别条件、误差界表达式及数值，低秩建模的适用性仍需核查。
原文摘要
Marginal Structural Models (MSMs) are popular for causal inference of sequential treatments in longitudinal observational studies, which however are sensitive to model misspecification. To achieve flexible modeling, we envision the potential outcomes to form a three-dimensional tensor indexed by subject, time, and treatment regime and propose a tensorized history-restricted MSM (HRMSM). The semi-parametric tensor factor model allows us to leverage the underlying low-rank structure of the potential outcomes tensor and exploit the pre-treatment covariate information to recover the counterfactual outcomes. We incorporate the inverse probability of treatment weighting in the loss function for tensor completion to adjust for time-varying confounding. Theoretically, a non-asymptotic upper bound on the Frobenius norm error for the proposed estimator is provided. Empirically, simulation studies show that the proposed tensor completion approach outperforms the parametric HRMSM and existing matrix/tensor completion methods. Finally, we illustrate the practical utility of the proposed approach to study the effect of ventilation on organ dysfunction from the Medical Information Mart for Intensive Care database.