随机实验中学习插值式代理终点的方法

代理终点用于代替随机实验中的长期结果，以避免对足够大的队列观察实际结果的高昂或不实际的成本。若短期代理能预测使用真实结果进行实验的结果，则该代理效果良好。已对此属性在因果意义上的形式化提供了 considerable注意，但大多数标准不可识别，无法转化为从数据中学习代理终点的实用算法。为此，我们研究插值式复合代理，即事后变量的函数，可直接替代随机实验中的主要结果。我们提出了两种学习插值式代理的方法，以最大化效应可预测性，并刻画了在代表性情景下寻找能 yield unbiased effect estimates的可能性。最后，在具有已知效应的合成实验和来自真实世界实验的数据中，我们发现基于直接建模代理效应的方法返回的插值式终点比既定方法更能预测主要效应。