预测驱动的因果推断泛化
机器学习
2024-06-06 v1 机器学习
摘要
随机对照试验（RCT）的因果推断可能不适用于某些效应修饰因子分布不同的目标人群。先前的工作研究了将试验结果泛化到仅有协变量数据而无结局数据的目标人群。我们展示了试验的有限规模如何使泛化成为统计上不可行的任务，因为它需要估计复杂的干扰函数。我们开发了泛化算法，利用从额外观测研究（OS）中学习的预测模型来补充试验数据，而不对OS做任何假设。我们从理论和实证上表明，当OS质量高时，我们的方法有助于更好的泛化，而当OS质量不高（例如存在未测量的混杂）时，仍保持稳健。
引用
@article{arxiv.2406.02873,
title = {Prediction-powered Generalization of Causal Inferences},
author = {Ilker Demirel and Ahmed Alaa and Anthony Philippakis and David Sontag},
journal= {arXiv preprint arXiv:2406.02873},
year = {2024}
}
备注
International Conference on Machine Learning (ICML), 2024