深度解缝中的无关变量对处理效应估计的影响

从观察数据估计处理效应在医疗、教育和经济学中至关重要，但当前基于深度解缝的方法在处理无关变量方面表现不足。我们在实验中展示这会导致预测误差。我们采用深度嵌入方法对前处理变量进行解缝，并显式识别并表示无关变量，除此之外还包括工具变量、混淆变量和调整潜在因子。为此，我们引入一个重建目标，并通过一个附加的自编码器创建无关变量的嵌入空间。与之前的深度解缝方法依赖于对无关变量的偶然抑制不同，我们显式地将无关变量强制进入该嵌入空间，并采用正交化防止无关信息泄漏到其他因子的潜在空间表示中。我们的实验使用合成数据和真实世界基准数据集，表明我们能够更好地识别无关变量并更精确地预测处理效应，同时在引入额外无关变量时预测质量下降得更少。