从数据融合中学习工具变量以估计处理效应
人工智能
2022-12-08 v2 统计方法学
摘要
大数据时代的到来为在数据融合中推断处理效应带来了新机遇与挑战，即数据融合指从多个来源（每个来源具有独立的处理分配机制）收集的混合数据集。由于可能遗漏来源标签和存在未测量的混杂因素，传统方法无法有效估计个体处理分配概率并推断处理效应。因此，我们提出重建来源标签并将其建模为分组工具变量（GIV），以实施基于 IV 的回归来估计处理效应。在本文中，我们将这一思路概念化并开发了一个统一框架（Meta-EM）以：(1) 将原始数据映射到表示空间以构建分配处理变量的线性混合模型；(2) 估计分布差异并为不同处理分配机制建模 GIV；(3) 采用交替训练策略迭代优化表示与联合分布以建模 GIV 用于 IV 回归。实证结果展示了我们的 Meta-EM 相比最先进方法的优势。
引用
@article{arxiv.2208.10912,
title = {Learning Instrumental Variable from Data Fusion for Treatment Effect Estimation},
author = {Anpeng Wu and Kun Kuang and Ruoxuan Xiong and Minqing Zhu and Yuxuan Liu and Bo Li and Furui Liu and Zhihua Wang and Fei Wu},
journal= {arXiv preprint arXiv:2208.10912},
year = {2022}
}