HNCI：高维网络因果推断
机器学习
2024-12-25 v1 机器学习
统计方法学
摘要
评估处理或政策有效性的问题常见于存在网络干扰的因果推断应用中。本文提出了一种新的高维网络因果推断（HNCI）方法，该方法既为处理组平均直接处理效应（ADET）提供了有效的置信区间，也为干扰效应的邻域大小提供了有效的置信集。我们利用了Belloni等人（2022）的模型设定，并允许节点干扰邻域大小存在某种异质性。我们提出了一个潜在结果的线性回归公式，其中回归系数对应于节点真实的干扰函数值，并表现出潜在的齐次结构。这种公式使我们能够利用线性回归和齐次性追踪的现有文献，进行具有理论保证的有效统计推断。得到的ADET置信区间通过可估计方差的正态性渐近得到了正式证明。我们进一步利用重抽样方法提供了具有理论保证的邻域大小置信集。通过模拟和真实数据示例展示了新提出方法的实用性。
引用
@article{arxiv.2412.18568,
title = {HNCI: High-Dimensional Network Causal Inference},
author = {Wenqin Du and Rundong Ding and Yingying Fan and Jinchi Lv},
journal= {arXiv preprint arXiv:2412.18568},
year = {2024}
}
备注
89 pages, 7 figures