SPORTSCausal: Spill-Over Time Series Causal Inference
SPORTSCausal：存在溢出效应的时间序列因果推断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：摘要明确涉及处理效应估计、组间溢出及时间依赖，分别对应因果推断、干扰和时间序列。
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
SPORTSCausal：存在溢出效应的时间序列因果推断
- 研究问题
- 当实验组之间存在溢出、数据具有时间依赖，且常见实验假设难以满足时，如何估计对处理比例变化稳健的处理效应？
- 方法与思路
- 作者提出 SPORTSCausal，以溢出时间序列因果推断处理上述问题，并在同一处理的两种实验投放比例下进行应用比较。
- 材料陈述的贡献
- 摘要称该方法不依赖其列举的强假设，并在预算控制实验中得到比朴素估计更稳定的处理效应估计。
- 阅读关注点
- 核对方法实际需要的识别条件、溢出结构与目标效应定义，以及不同处理比例下比较的对象是否具有相同含义。
- 阅读边界
- 所据版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明替代识别条件、估计公式及不确定性处理。
原文摘要
Randomized controlled trials (RCTs) have long been the gold standard for causal inference across various fields, including business analysis, economic studies, sociology, clinical research, and network learning. The primary advantage of RCTs over observational studies lies in their ability to significantly reduce noise from individual variance. However, RCTs depend on strong assumptions, such as group independence, time independence, and group randomness, which are not always feasible in real-world applications. Traditional inferential methods, including analysis of covariance (ANCOVA), often fail when these assumptions do not hold. In this paper, we propose a novel approach named \textbf{Sp}ill\textbf{o}ve\textbf{r} \textbf{T}ime \textbf{S}eries \textbf{Causal} (\verb+SPORTSCausal+), which enables the estimation of treatment effects without relying on these stringent assumptions. We demonstrate the practical applicability of \verb+SPORTSCausal+ through a real-world budget-control experiment. In this experiment, data was collected from both a 5\% live experiment and a 50\% live experiment using the same treatment. Due to the spillover effect, the vanilla estimation of the treatment effect was not robust across different treatment sizes, whereas \verb+SPORTSCausal+ provided a robust estimation.