Buchumschlag

Estimation of Optimal Dynamic Treatment Assignment Rules under Policy Constraints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sakaguchi, Shosei
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Econometrics Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Policy Learning for Optimal Dynamic Treatment Regimes with Observational Data
von: Sakaguchi, Shosei
Veröffentlicht: (2024)

Prior-Free Sample Size Design for Test-and-Roll Experiments
von: Kawato, Kentaro, et al.
Veröffentlicht: (2026)

Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach
von: Zhan, Ruohan, et al.
Veröffentlicht: (2024)

The Identification Power of Combining Experimental and Observational Data for Distributional Treatment Effect Parameters
von: Sakaguchi, Shosei
Veröffentlicht: (2025)

Estimating Dyadic Treatment Effects with Unknown Confounders
von: Hoshino, Tadao, et al.
Veröffentlicht: (2024)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

Individualized Policy Evaluation and Learning under Clustered Network Interference
von: Zhang, Yi, et al.
Veröffentlicht: (2023)

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2024)

Synthetic Blips: Generalizing Synthetic Controls for Dynamic Treatment Effects
von: Agarwal, Anish, et al.
Veröffentlicht: (2022)

Estimating Treatment Effects using Multiple Surrogates: The Role of the Surrogate Score and the Surrogate Index
von: Athey, Susan, et al.
Veröffentlicht: (2016)

Blind Targeting: Personalization under Third-Party Privacy Constraints
von: Shchetkina, Anya
Veröffentlicht: (2025)

Bridging the Gap between Empirical Welfare Maximization and Conditional Average Treatment Effect Estimation in Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Educational Effects in Mathematics: Conditional Average Treatment Effect depending on the Number of Treatments
von: Nagai, Tomoko, et al.
Veröffentlicht: (2024)

Improving the Estimation of Lifetime Effects in A/B Testing via Treatment Locality
von: Chen, Shuze, et al.
Veröffentlicht: (2024)

Policy design in experiments with unknown interference
von: Viviano, Davide, et al.
Veröffentlicht: (2020)

Shrinkage-Based Regressions with Many Related Treatments
von: Dilber, Enes, et al.
Veröffentlicht: (2025)

Direct Bias-Correction Term Estimation for Average Treatment Effect Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Data-Automated Policy Learning for Nonlinear Welfare
von: Ai, Chunrong, et al.
Veröffentlicht: (2026)

An Algorithm for Identifying Interpretable Subgroups With Elevated Treatment Effects
von: Chiu, Albert
Veröffentlicht: (2025)

Identification of Average Treatment Effects in Nonparametric Panel Models
von: Athey, Susan, et al.
Veröffentlicht: (2025)

Robust and Agnostic Learning of Conditional Distributional Treatment Effects
von: Kallus, Nathan, et al.
Veröffentlicht: (2022)

Detecting and Mitigating Group Bias in Heterogeneous Treatment Effects
von: Persson, Joel, et al.
Veröffentlicht: (2026)

Double Robust Bayesian Inference on Average Treatment Effects
von: Breunig, Christoph, et al.
Veröffentlicht: (2022)

Minimax and Bayes Optimal Adaptive Experimental Design for Treatment Choice
von: Kato, Masahiro
Veröffentlicht: (2025)

Calibration Strategies for Robust Causal Estimation: Theoretical and Empirical Insights on Propensity Score-Based Estimators
von: Klaassen, Sven, et al.
Veröffentlicht: (2025)

Adaptive, Rate-Optimal Hypothesis Testing in Nonparametric IV Models
von: Breunig, Christoph, et al.
Veröffentlicht: (2020)

Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
von: Kato, Masahiro
Veröffentlicht: (2024)

Robust Matrix Estimation with Side Information
von: Agarwal, Anish, et al.
Veröffentlicht: (2026)

Estimating Wage Disparities Using Foundation Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2024)

Estimating the Value of Evidence-Based Decision Making
von: Abadie, Alberto, et al.
Veröffentlicht: (2023)

Off-Policy Evaluation via Adaptive Weighting with Data from Contextual Bandits
von: Zhan, Ruohan, et al.
Veröffentlicht: (2021)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
von: Singh, Aman
Veröffentlicht: (2026)

Estimation and Inference for Causal Functions with Multiway Clustered Data
von: Liu, Nan, et al.
Veröffentlicht: (2024)

Inference on Optimal Policy Values and Other Irregular Functionals via Softmax Smoothing
von: Whitehouse, Justin, et al.
Veröffentlicht: (2025)

What Makes Treatment Effects Identifiable? Characterizations and Estimators Beyond Unconfoundedness
von: Cai, Yang, et al.
Veröffentlicht: (2025)

Adaptive Estimation and Uniform Confidence Bands for Nonparametric Structural Functions and Elasticities
von: Chen, Xiaohong, et al.
Veröffentlicht: (2021)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Debiased Covariate Shift Adaptation Robust to Density-Ratio Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2023)

Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
von: Shirani, Sadegh, et al.
Veröffentlicht: (2025)