因果推断的半参数方法
统计方法学
2024-11-05 v1 机器学习
摘要
在因果推断中，一个重要的问题是量化干预或处理的效果。许多研究聚焦于估计平均因果效应；然而，这些估计量可能提供有限的见解，因为两个分布可以共享相同的均值却表现出显著差异。从分布视角审视因果效应能够提供更全面的理解。在本文中，我们采用半参数密度比模型（DRM）来刻画反事实分布，引入了一个假设这些分布共享潜在结构的框架。我们的模型通过避免对反事实分布的严格参数假设来提供灵活性。具体而言，DRM 包含一个可通过经验似然（EL）方法估计的非参数成分，使用来自多种干预产生的所有组的数据。因此，EL-DRM 框架使得对反事实分布函数及其泛函的推断成为可能，从而促进从分布视角进行直接且透明的因果推断。在合成数据和真实数据上的数值研究验证了我们方法的有效性。
引用
@article{arxiv.2411.00950,
title = {A Semiparametric Approach to Causal Inference},
author = {Archer Gong Zhang and Nancy Reid and Qiang Sun},
journal= {arXiv preprint arXiv:2411.00950},
year = {2024}
}