Causal Effect Estimation for Multivariate Continuous Treatments
多维连续处理的因果效应估计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：摘要明确研究观察性数据中的多维连续处理、协变量平衡与因果效应估计，直接对应因果推断方向。
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…
关注这篇论文的作者
多维连续处理的因果效应估计
- 研究问题
- 当观察性研究中的处理同时包含多个连续维度时，如何平衡协变量并估计因果效应，例如吸烟时长与频率对医疗支出的影响？
- 方法与思路
- 作者将一维熵平衡推广至多维连续处理，分别提出参数与非参数因果效应估计方法，讨论理论性质并进行模拟和吸烟支出应用。
- 材料陈述的贡献
- 摘要称两类估计方法具有理论支持且在多种模拟情形下表现较好；应用中吸烟频率显著增加医疗支出，时长效应不显著。
- 阅读关注点
- 应核对连续处理效应的目标参数、识别条件、平衡约束与权重稳定性，并查看参数和非参数方法各自适用条件及模拟比较范围。
- 阅读边界
- 所给版本为 arXiv 预印本，未核实同行评审或接收；摘要未说明混杂控制条件、具体理论结论及效应数值，不显著也不等于没有效应。
原文摘要
Causal inference is widely used in various fields, such as biology, psychology and economics, etc. In observational studies, we need to balance the covariates before estimating causal effect. This study extends the one-dimensional entropy balancing method to multiple dimensions to balance the covariates. Both parametric and nonparametric methods are proposed to estimate the causal effect of multivariate continuous treatments and theoretical properties of the two estimations are provided. Furthermore, the simulation results show that the proposed method is better than other methods in various cases. Finally, we apply the method to analyze the impact of the duration and frequency of smoking on medical expenditure. The results show that the frequency of smoking increases medical expenditure significantly while the duration of smoking does not.