跳到正文
热点事件观察中

arXiv发布未观测混杂下连续处理效应部分识别论文

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Junzhe Zhang于2026年10月23日在arXiv(cs.lg)发布论文《Sharp Bounds on Continuous Treatment Effects under Unobserved Confounding》,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)。 该论文假设结果有界,且响应函数与倾向得分关于隐混杂变量满足Lipschitz连续性。方法上,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。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv · ML
    未观测混杂下连续处理效应的尖锐界限

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。