用于BART模型的局部高斯过程外推及其在因果推断中的应用
统计方法学
2023-02-27 v2 计量经济学
统计计算
机器学习
摘要
贝叶斯加性回归树（BART）是一种半参数回归模型，在样本外预测上提供最先进的性能。尽管取得了成功，BART的标准实现通常在训练数据范围之外的点上提供不准确的预测和过窄的预测区间。本文提出了一种新颖的外推策略，将高斯过程嫁接至BART的叶节点以预测观测数据范围之外的点。新方法相较于标准BART实现和近期基于频率派重采样方法的预测推断进行了比较。我们将新方法应用于因果推断中的一个挑战性问题，其中对于预测空间的某些区域，仅观察到处理单元或未处理单元（而非两者）。在模拟研究中，新方法相较于Jackknife+等流行替代方案表现出更优的性能。
引用
@article{arxiv.2204.10963,
title = {Local Gaussian process extrapolation for BART models with applications to causal inference},
author = {Meijiang Wang and Jingyu He and P. Richard Hahn},
journal= {arXiv preprint arXiv:2204.10963},
year = {2023}
}