使用神经网络在混杂因子数发散下的一般处理效应的因果推断
统计方法学
2023-11-20 v7 机器学习
摘要
各种多值因果效应（包括分位数处理效应）的半参数有效估计在经济学、生物医学及其他社会科学中十分重要。在无混杂条件下，对混杂因子的调整需要非参数地估计将结果或处理与混杂因子相关联的干扰函数。本文考虑一种使用人工神经网络（ANNs）近似增长维混杂因子的未知干扰函数以有效估计一般处理效应的广义优化框架。我们建立了 ANNs 对属于混合光滑类且无已知稀疏结构的干扰函数的新的近似误差界。我们表明在此情形下 ANNs 可缓解“维度灾难”。我们建立了所提出的一般处理效应估计量的根- 一致性与渐近正态性，并应用加权 bootstrap 程序进行推断。所提方法通过模拟研究与真实数据应用加以说明。
引用
@article{arxiv.2009.07055,
title = {Causal Inference of General Treatment Effects using Neural Networks with A Diverging Number of Confounders},
author = {Xiaohong Chen and Ying Liu and Shujie Ma and Zheng Zhang},
journal= {arXiv preprint arXiv:2009.07055},
year = {2023}
}