Impossibility of Distribution-Free Predictive Inference for Individual Treatment Effects
个体处理效应无分布预测推断的不可能性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：摘要研究个体处理效应预测集的覆盖保证及标准因果假设的局限。
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
个体处理效应无分布预测推断的不可能性
- 研究问题
- 在连续协变量、强可忽略性和重叠等标准因果假设下，能否为个体处理效应构造有覆盖保证且有信息量的预测集？
- 方法与思路
- 作者将个体处理效应推断与条件独立性检验的困难联系起来，建立有限样本和渐近情形的无分布预测不可能性结果。
- 材料陈述的贡献
- 摘要称满足目标覆盖率的无分布预测集必须具有无限期望长度，说明有效方法需要标准因果假设之外的结构限制。
- 阅读关注点
- 应核对覆盖保证的量词、目标总体和分布类别，以及连续协变量条件与无限期望长度结论的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出完整定理条件，不能将结论推广到所有处理效应区间。
原文摘要
Uncertainty quantification for individual treatment effects (ITEs) is a daunting challenge in causal inference. Motivated by recent advances in conformal prediction, several works aim to construct distribution-free prediction sets for ITEs with desired coverage under standard assumptions such as strong ignorability and overlap. In this paper, we show that such goals are fundamentally unattainable in the presence of continuous covariates. Specifically, we establish finite-sample and asymptotic impossibility results demonstrating that any distribution-free prediction set achieving desired coverage for ITEs must be trivial, in the sense that it has infinite expected length. Our analysis relies on a connection between ITE inference and the hardness of conditional independence testing, and highlights the intrinsic limitations imposed by the missing data nature of causal inference. These results provide a new perspective on existing methods, clarifying that their apparent success necessarily relies on additional structural assumptions beyond standard causal assumptions.