个体处理效应的敏感性分析：一种鲁棒保形推断方法
统计方法学
2022-04-26 v2
摘要
我们基于保形推断的思想，提出了一种无模型的个体处理效应（ITEs）敏感性分析框架。对于任意单元，我们的过程报告 值，该数值量化了消除 ITE 证据所需混淆的最小强度。我们的方法依赖于在训练数据受混淆情况下对反事实和 ITEs 的可靠预测推断。在 Tan (2006) 的边际敏感性模型下，我们刻画了观测分布与反事实分布之间的偏移。我们首先发展了一种针对偏移分布下测试样本预测推断的通用方法；随后利用该方法构建反事实的协变量相关预测集。无论偏移值为何，若倾向得分被精确已知（或估计），这些预测集（近似）实现边际覆盖。我们描述了另一种同样实现覆盖但条件于训练数据的不同过程。在后一种情况下，我们证明了一个锐度结果，表明对于某些类别的预测问题，预测区间不可能被收紧。我们通过模拟研究验证了新方法的合理性与性能，并将其应用于分析真实数据集。
引用
@article{arxiv.2111.12161,
title = {Sensitivity Analysis of Individual Treatment Effects: A Robust Conformal Inference Approach},
author = {Ying Jin and Zhimei Ren and Emmanuel J. Candès},
journal= {arXiv preprint arXiv:2111.12161},
year = {2022}
}