Causal Inference under Network Interference with Noise
带噪声网络干扰下的因果推断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：摘要明确分析网络干扰下的因果效应，并研究连接误差与暴露映射，直接对应两个方向。
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…
带噪声网络干扰下的因果推断
- 研究问题
- 在处理存在网络干扰且网络连接信息有误差时，这些误差如何影响平均因果效应估计的偏差、方差与置信区间？
- 方法与思路
- 作者在四级暴露模型与 Bernoulli 随机处理分配下分析网络噪声，并利用少量网络重复观测构造降低偏差的矩估计量。
- 材料陈述的贡献
- 摘要称刻画同质和异质网络中噪声对标准估计量的影响，提出渐近正态的矩估计量，并用学校接触网络开展模拟评价。
- 阅读关注点
- 应核对四级暴露的定义、网络噪声与重复观测的假设，以及渐近正态性所需条件和置信区间对网络误差的处理。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明噪声机制、所需重复次数及渐近理论的具体条件。
原文摘要
Increasingly, there is a marked interest in estimating causal effects under network interference due to the fact that interference manifests naturally in networked experiments. However, network information generally is available only up to some level of error. We study the propagation of such errors to estimators of average causal effects under network interference. Specifically, assuming a four-level exposure model and Bernoulli random assignment of treatment, we characterize the impact of network noise on the bias and variance of standard estimators in homogeneous and inhomogeneous networks. In addition, we propose method-of-moments estimators for bias reduction where a minimal number of network replicates are available. We show our estimators are asymptotically normal and provide confidence intervals for quantifying the uncertainty in these estimates. We illustrate the practical performance of our estimators through simulation studies in British secondary school contact networks.