arXiv · ML· Junzhe Zhang·· 1 天前AI 评分24
未观测混杂下连续处理效应的尖锐界限
Sharp Bounds on Continuous Treatment Effects under Unobserved Confounding
AI 导读
论文研究未观测混杂下连续处理的偏识别问题，针对条件平均潜在结果（CAPO）和条件平均处理效应（CATE）。假设结果有界且响应函数和倾向得分关于隐混杂变量满足Lipschitz连续性。 方法通过利用对角线上的所有参考点进行约束，而非Kim等人仅用两个参考点，从而得出CATE的尖锐因果界限。这些界限在无需单调性或重叠假设的情况下依然有效。
来源：arXiv · ML · arxiv.org