Conformal Sensitivity Analysis for Individual Treatment Effects
个体处理效应的共形敏感性分析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：摘要明确研究个体处理效应、未测混杂及其敏感性分析，直接属于因果推断。
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…
个体处理效应的共形敏感性分析
- 研究问题
- 个体处理效应估计依赖无法由观察数据检验的无混杂假设时，如何在给定未测混杂强度下评估个体因果结论的稳健性？
- 方法与思路
- 作者以边际敏感性模型量化未测混杂，将问题表述为分布变化下的共形推断，并扩展协变量变化下的共形方法。
- 材料陈述的贡献
- 摘要称方法生成个体处理效应预测区间，具有分布无关、非渐近的名义覆盖保证，并通过合成数据和观察性研究说明应用。
- 阅读关注点
- 应核对敏感性参数的含义、分布变化集合的构造，以及覆盖保证针对何种随机性、总体和区间构造条件成立。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明覆盖保证的完整条件，不能将名义覆盖解释为逐个体条件覆盖。
原文摘要
Estimating an individual treatment effect (ITE) is essential to personalized decision making. However, existing methods for estimating the ITE often rely on unconfoundedness, an assumption that is fundamentally untestable with observed data. To assess the robustness of individual-level causal conclusion with unconfoundedness, this paper proposes a method for sensitivity analysis of the ITE, a way to estimate a range of the ITE under unobserved confounding. The method we develop quantifies unmeasured confounding through a marginal sensitivity model [Ros2002, Tan2006], and adapts the framework of conformal inference to estimate an ITE interval at a given confounding strength. In particular, we formulate this sensitivity analysis problem as a conformal inference problem under distribution shift, and we extend existing methods of covariate-shifted conformal inference to this more general setting. The result is a predictive interval that has guaranteed nominal coverage of the ITE, a method that provides coverage with distribution-free and nonasymptotic guarantees. We evaluate the method on synthetic data and illustrate its application in an observational study.