Maximum Entropy Estimation of Heterogeneous Causal Effects
异质性因果效应的最大熵估计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：摘要明确研究异质性因果效应，并以因果效应分布为估计对象，因此归入因果推断及分布效应方向。
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…
异质性因果效应的最大熵估计
- 研究问题
- 研究在不假定处理分配强可忽略性的情况下，如何利用个体处理倾向和潜在结果概率描述异质性因果效应的分布。
- 方法与思路
- 作者设定随机数据生成模型并采用广义稳定单位处理值假设，以最大熵原则估计效应分布，选择介于纯混杂与纯因果解释之间的结果。
- 材料陈述的贡献
- 摘要称，提出区别于敏感性分析的最大熵方案，使观察关联获得部分混杂、部分因果的解释，并用于大麻与硬性毒品使用的案例。
- 阅读关注点
- 应核对最大熵优化的约束、广义稳定单位假设的定义，以及观察数据提供的信息与最大熵选择原则各自承担的作用。
- 阅读边界
- 所给来源为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明识别条件，不能把最大熵选择直接视为数据识别。
原文摘要
For the purpose of causal inference we employ a stochastic model of the data generating process, utilizing individual propensity probabilities for the treatment, and also individual and counterfactual prognosis probabilities for the outcome. We assume a generalized version of the stable unit treatment value assumption, but we do not assume any version of strongly ignorable treatment assignment. Instead of conducting a sensitivity analysis, we utilize the principle of maximum entropy to estimate the distribution of causal effects. We develop a principled middle-way between extreme explanations of the observed data: we do not conclude that an observed association is wholly spurious, and we do not conclude that it is wholly causal. Rather, our conclusions are tempered and we conclude that the association is part spurious and part causal. In an example application we apply our methodology to analyze an observed association between marijuana use and hard drug use.