利用最优传输权重估计长期异质剂量-反应曲线的泛化界限
机器学习
2025-10-23 v3 人工智能
摘要
长期治疗效应估计是许多应用中的重要但具有挑战性的问题。现有方法依赖于理想假设，如无未观测混杂因子或二元治疗，以估计长期平均因果效应。然而，在许多实际应用中，这些假设可能被违反，平均因果效应对于个性化决策不足。本文解决更一般的问题，即在考虑未观测混杂因子和连续治疗的条件下，估计长期异质剂量-反应曲线(HDRC)。具体而言，为了消除长期观察数据中的未观测混杂因子，我们引入一种最优传输加权框架，将长期观察数据与来自辅助短期实验数据的对齐。进一步地，通过利用最优传输引起的再加权分布，建立了对反事实预测误差的泛化界限。最后，我们在上述理论基础上开发了一个长期HDRC估计器。在合成数据和准合成数据上的大量实验表明，我们的方法有效。
引用
@article{arxiv.2406.19195,
title = {Estimating Long-term Heterogeneous Dose-response Curve: Generalization Bound Leveraging Optimal Transport Weights},
author = {Zeqin Yang and Weilin Chen and Ruichu Cai and Yuguang Yan and Zhifeng Hao and Zhipeng Yu and Zhichao Zou and Jixing Xu and Zhen Peng and Jiecheng Guo},
journal= {arXiv preprint arXiv:2406.19195},
year = {2025}
}