Distributionally Robust Treatment Effect
分布稳健的治疗效应预测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：摘要研究治疗效应的跨地点或跨时期预测，并以潜在结果和部分识别处理分布不确定性。
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…
分布稳健的治疗效应预测
- 研究问题
- 仅有既往数据时，如何预测同一治疗或政策在另一地点或时期的效应，并应对目标分布变化及潜在结果联合分布不可识别？
- 方法与思路
- 作者在源分布的 Wasserstein 邻域内最小化最坏均方预测误差，利用与潜在结果边际分布一致的 Fréchet 类推导尖锐界。
- 材料陈述的贡献
- 摘要称，最优预测保留源总体平均效应的符号并向零收缩，收缩取决于效应异质性；作者建立界估计与两步推断。
- 阅读关注点
- 应核对分布邻域覆盖的变化类型、源总体潜在结果边际分布的识别依据，以及尖锐界、稳健参数和两步推断的构造。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明源效应识别条件，稳健邻域也不能保证覆盖所有外部变化。
原文摘要
Using only retrospective data, we study the problem of predicting treatment effects for the same treatment/policy implemented in a different location or time period. We propose a distributionally robust estimator that minimizes the worst-case mean squared error for the prediction of treatment effect over a class of distributions defined by a Wasserstein neighborhood around the source distribution. Because the joint distribution of potential outcomes is unidentified, the problem is inherently one of partial identification. We characterize the sharp upper and lower bounds of the minimax optimizer by exploiting the Fréchet class of distributions consistent with the marginal distributions of potential outcomes. The resulting predictor preserves the sign of the average treatment effect under the source distribution but is shrunk toward zero, with the degree of shrinkage depending on the extent of treatment effect heterogeneity. We establish consistency and asymptotic normality of the bound estimators, develop a two-step inference procedure, and discuss the choice of the robustness parameter.