面向图结构目标的处理效果估计

处理效果估计有助于理解治疗与结果变量之间的因果关系，是贯穿多个领域决策中核心任务。虽然大多数研究聚焦于单个目标的处理效果估计，但在特定情境下，需理解一组具有彼此之间图结构关系的目标的处理效果。在此情况下，治疗分配的关注度容易依赖于图中某个特定节点（如最高度中心节点），从而导致对整个图中仅一小部分的观察偏差。由于这种偏差源自局部小部分，直观的前述方法无法有效缓解偏差，因其使用整个图的信息。在本研究中，我们提出一种名为GraphTEE的框架，用于估计图结构目标的处理效果。GraphTEE旨在通过聚焦于混淆变量集合来缓解观察偏差，并引入一种新的正则化框架。此外，我们对GraphTEE在偏差缓解方面的性能进行了理论分析。在合成数据和半合成数据上的实验结果表明，我们所提出的方法有效。