BNPqte: A Bayesian Nonparametric Approach to Causal Inference on Quantiles in R
BNPqte：用于分位数因果推断的贝叶斯非参数 R 实现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：摘要明确针对观测研究中的分位数处理效应，以潜在结局分布建模开展因果推断。
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…
关注这篇论文的作者
BNPqte：用于分位数因果推断的贝叶斯非参数 R 实现
- 研究问题
- 如何在观测研究中灵活建模潜在结局分布，同时估计多个分位数处理效应，并为相关贝叶斯计算提供高效软件实现？
- 方法与思路
- 软件以 BART 估计倾向得分，以多元正态 Dirichlet 过程混合估计给定得分的结局分布，并用 C++ 与 Armadillo 加速。
- 材料陈述的贡献
- 摘要介绍 BNPqte 对既有方法的实现，称其密度估计函数较 DPpackage 更高效，并说明对继承的 BART 函数作了两项修改。
- 阅读关注点
- 应核对分位数处理效应的定义、观测研究识别条件、倾向得分不确定性的传递，以及先验、采样诊断和效率比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明识别假设、计算提速幅度或软件当前状态，也未证明估计精度优势。
原文摘要
In this article, we introduce the BNPqte R package which implements the Bayesian nonparametric approach of Xu, Daniels and Winterstein (2018) for estimating quantile treatment effects in observational studies. This approach provides flexible modeling of the distributions of potential outcomes, so it is capable of capturing a variety of underlying relationships among the outcomes, treatments and confounders and estimating multiple quantile treatment effects simultaneously. Specifically, this approach uses a Bayesian additive regression trees (BART) model to estimate the propensity score and a Dirichlet process mixture (DPM) of multivariate normals model to estimate the conditional distribution of the potential outcome given the estimated propensity score. The BNPqte R package provides a fast implementation for this approach by designing efficient R functions for the DPM of multivariate normals model in joint and conditional density estimation. These R functions largely improve the efficiency of the DPM model in density estimation, compared to the popular DPpackage. BART-related R functions in the BNPqte R package are inherited from the BART R package with two modifications on variable importance and split probability. To maximize computational efficiency, the actual sampling and computation for each model are carried out in C++ code. The Armadillo C++ library is also used for fast linear algebra calculations.