二元结果加权平均处理效应的差分隐私估计
统计方法学
2024-08-28 v1
摘要
在社会科学和健康科学中，研究人员经常使用敏感数据进行因果推断。这些研究人员以及数据持有者本身，在伦理上乃至法律上可能都有义务保护研究参与者的数据机密性。众所周知，发布使用机密数据计算的任何统计量（包括因果效应的估计值）都会泄露关于底层数据值的信息。因此，分析师可能希望使用能够可证明地限制这种信息泄露的因果估计器。基于这一目标，我们开发了用于估计具有二元结果的加权平均处理效应的算法，这些算法满足差分隐私标准。我们提出了几种差分隐私加权平均处理效应估计器，并给出了其准确性的理论结果。我们通过模拟数据和关于教育与收入的数据说明了这些估计器的实证性能。
引用
@article{arxiv.2408.14766,
title = {Differentially Private Estimation of Weighted Average Treatment Effects for Binary Outcomes},
author = {Sharmistha Guha and Jerome P. Reiter},
journal= {arXiv preprint arXiv:2408.14766},
year = {2024}
}