基于最优传输的跨异质站点分布处理效应估计
统计方法学
2025-11-14 v1 统计理论
机器学习
统计理论
摘要
我们提出了一种新框架，通过将源站点的完整处理组与对照组数据与目标站点的对照组数据相融合，来合成目标站点的反事实处理组数据。不同于传统的平均处理效应估计，我们的方法采用分布因果推断视角，将源站点与目标站点上的处理与对照组建模为不同的概率测度。我们将跨站点异质性（效应修饰）形式化为一个前推变换，将联合特征-结果分布从源站点映射至目标站点。该变换通过使用基于最优传输的过程对齐站点间的对照组分布来学习，随后应用于源站点处理组，以生成合成的目标处理组分布。在一般正则性条件下，我们建立了合成处理组数据对真实目标分布一致性与渐近收敛的理论保证。在多种数据生成场景下的模拟研究及在患者来源异种移植数据上的真实世界应用表明，我们的框架能稳健地恢复处理效应的完整分布性质。
引用
@article{arxiv.2511.09759,
title = {Distributional Treatment Effect Estimation across Heterogeneous Sites via Optimal Transport},
author = {Borna Bateni and Yubai Yuan and Qi Xu and Annie Qu},
journal= {arXiv preprint arXiv:2511.09759},
year = {2025}
}