Estimation of Treatment Effects Under Nonstationarity via the Truncated Policy Gradient Estimator
利用截断策略梯度估计量估计非平稳环境中的治疗效应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：摘要研究动态随机实验的全局治疗效应，并针对非平稳单轨迹数据进行推断。
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…
关注这篇论文的作者
利用截断策略梯度估计量估计非平稳环境中的治疗效应
- 研究问题
- 在干预同时改变当前和未来状态的非平稳动态系统中，如何利用随机实验和单条轨迹估计全局平均治疗效应？
- 方法与思路
- 作者以短期结果轨迹替代即时结果，构造截断策略梯度估计量，将其解释为全局效应一阶近似的截断，并建立方差估计。
- 材料陈述的贡献
- 摘要称，在非平稳马尔可夫设定中获得可证明的偏差与方差改进、中心极限定理及一致方差估计，并用两个实际案例验证。
- 阅读关注点
- 应核对全局效应与一阶近似的差距、截断期限的校准，以及马尔可夫条件、非平稳程度和单轨迹推断的适用范围。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未经核实。摘要未给出理论条件、案例细节及改进幅度，优势依赖合适的校准。
原文摘要
Randomized experiments (or A/B tests) are widely used to evaluate interventions in dynamic systems such as recommendation platforms, marketplaces, and digital health. In these settings, interventions affect both current and future system states, so estimating the global average treatment effect (GATE) requires accounting for temporal dynamics, which is especially challenging in the presence of nonstationarity; existing approaches suffer from high bias, high variance, or both. In this paper, we address this challenge via the novel Truncated Policy Gradient (TPG) estimator, which replaces instantaneous outcomes with short-horizon outcome trajectories. The estimator admits a policy gradient interpretation: it is a truncation of the first-order approximation to the GATE, yielding provable reductions in bias and variance in nonstationary Markovian settings. We further establish a central limit theorem for the TPG estimator and develop a consistent variance estimator that remains valid under nonstationarity with single-trajectory data. We validate our theory with two real-world case studies. The results show that relative to existing approaches, a well-calibrated TPG estimator can achieve a favorable balance between bias and variance in nonstationary settings, highlighting the value of the policy-gradient perspective for designing effective estimators under complex dynamics.