关于 Hahn、Murray 和 Carvalho 的《用于因果推断的贝叶斯回归树模型：正则化、混杂与异质效应》的讨论
统计方法学
2021-08-09 v1 其他统计学
摘要
Hahn et al. (2020) 提供了一项广泛研究，阐明并评估了 BCF 模型在不同设定下的性能，并详细讨论了其在因果推断中的效用。这是对因果机器学习文献的可喜补充。我将通过两个主题的讨论强调 BCF 模型对因果推断领域的贡献：1) BCF 模型中的 PS 与贝叶斯更新方法中的贝叶斯 PS 之差异，2) 基于结果建模的因果效应估计方法中 PS 作用的另一种阐释。最后我将就涉及 BCF 的未来研究方向作出评论，这些方向在大数据时代重要且亟需。
引用
@article{arxiv.2108.02836,
title = {Discussion on "Bayesian Regression Tree Models for Causal Inference: Regularization, Confounding, and Heterogeneous Effects" by Hahn, Murray and Carvalho},
author = {Liangyuan Hu},
journal= {arXiv preprint arXiv:2108.02836},
year = {2021}
}