Partial Identification of the Average Treatment Effect with Stochastic Counterfactuals and Discordant Twins
利用随机反事实与结局不一致双生子部分识别平均治疗效应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：摘要明确研究观察数据中平均治疗效应等因果目标量的部分识别。
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…
利用随机反事实与结局不一致双生子部分识别平均治疗效应
- 研究问题
- 如何结合随机反事实建模与双生子结局不一致的信息，从观察数据中构造平均治疗效应等因果目标量的上下界？
- 方法与思路
- 作者在倾向—预后模型中采用随机反事实，利用双生子结局不一致为生成过程随机性提供信息，并求解约束优化问题。
- 材料陈述的贡献
- 摘要称该框架可部分识别平均治疗效应，双生子信息有助于提高识别精度，并以三个示例应用展示方法用途。
- 阅读关注点
- 应核对随机反事实与 SUTVA 的关系、双生子信息转化为约束的依据，以及优化所得界的识别含义和敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明识别假设，随机反事实也不能仅凭此摘要认定满足 SUTVA。
原文摘要
We develop a novel approach to partially identify causal estimands, such as the average treatment effect (ATE), from observational data. To better satisfy the stable unit treatment value assumption (SUTVA) we utilize stochastic counterfactuals within a propensity-prognosis model of the data generating process. For more precise identification we utilize knowledge of discordant twin outcomes as evidence for randomness in the data generating process. Our approach culminates with a constrained optimization problem; the solution gives upper and lower bounds for the ATE. We demonstrate the applicability of our introduced methodology with three example applications.