Heterogeneous Treatment Effect Estimation for Observational Data using Model-based Forests
利用模型森林估计观测数据的异质性处理效应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：摘要直接针对观测数据的混杂与异质性处理效应估计，属于因果推断。
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…
利用模型森林估计观测数据的异质性处理效应
- 研究问题
- 面对生存、计数或有序结局的非可折叠性与观测混杂，如何同时估计随协变量变化的处理效应和预后效应？
- 方法与思路
- 作者修改模型森林，引入 Robinson 正交化策略，在广义线性模型和变换模型中估计异质性处理效应，并进行模拟与疾病应用。
- 材料陈述的贡献
- 摘要称正交化在多种结局分布的模拟中减轻混杂影响，并以利鲁唑对肌萎缩侧索硬化症进展的潜在异质性效应展示应用。
- 阅读关注点
- 应核对效应定义所在的模型尺度、处理与预后效应为何须联合估计、正交化步骤，以及观测混杂控制所依赖的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未提供完整识别条件，模拟中的混杂减少不能保证消除未观测混杂。
原文摘要
The estimation of heterogeneous treatment effects (HTEs) has attracted considerable interest in many disciplines, most prominently in medicine and economics. Contemporary research has so far primarily focused on continuous and binary responses where HTEs are traditionally estimated by a linear model, which allows the estimation of constant or heterogeneous effects even under certain model misspecifications. More complex models for survival, count, or ordinal outcomes require stricter assumptions to reliably estimate the treatment effect. Most importantly, the noncollapsibility issue necessitates the joint estimation of treatment and prognostic effects. Model-based forests allow simultaneous estimation of covariate-dependent treatment and prognostic effects, but only for randomized trials. In this paper, we propose modifications to model-based forests to address the confounding issue in observational data. In particular, we evaluate an orthogonalization strategy originally proposed by Robinson (1988, Econometrica) in the context of model-based forests targeting HTE estimation in generalized linear models and transformation models. We found that this strategy reduces confounding effects in a simulated study with various outcome distributions. We demonstrate the practical aspects of HTE estimation for survival and ordinal outcomes by an assessment of the potentially heterogeneous effect of Riluzole on the progress of Amyotrophic Lateral Sclerosis.