Buchumschlag

Statistical Inference for Heterogeneous Treatment Effects Discovered by Generic Machine Learning in Randomized Experiments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Imai, Kosuke, Li, Michael Lingzhi
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Methodology Applications Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Statistical Performance Guarantee for Subgroup Identification with Generic Machine Learning
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2023)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Estimating Heterogeneous Causal Effects of High-Dimensional Treatments: Application to Conjoint Analysis
von: Goplerud, Max, et al.
Veröffentlicht: (2022)

On Nonasymptotic Confidence Intervals for Treatment Effects in Randomized Experiments
von: Sandoval, Ricardo J., et al.
Veröffentlicht: (2026)

HMM for Discovering Decision-Making Dynamics Using Reinforcement Learning Experiments
von: Guo, Xingche, et al.
Veröffentlicht: (2024)

Cramming Contextual Bandits for On-policy Statistical Evaluation
von: Jia, Zeyang, et al.
Veröffentlicht: (2024)

Double Machine Learning Methods for Estimating Average Treatment Effects: A Comparative Study
von: Tan, Xiaoqing, et al.
Veröffentlicht: (2022)

A Large Scale Heterogeneous Treatment Effect Estimation Framework and Its Applications of Users' Journey at Snap
von: Pan, Jing, et al.
Veröffentlicht: (2025)

GenAI Powered Dynamic Causal Inference with Unstructured Data
von: Nakamura, Kentaro, et al.
Veröffentlicht: (2026)

Minimax Regret Estimation for Generalizing Heterogeneous Treatment Effects with Multisite Data
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

Causal Inference for Genomic Data with Multiple Heterogeneous Outcomes
von: Du, Jin-Hong, et al.
Veröffentlicht: (2024)

DiffKnock: Diffusion-based Knockoff Statistics for Neural Networks Inference
von: Ge, Heng, et al.
Veröffentlicht: (2025)

A Causal Machine Learning Framework for Treatment Personalization in Clinical Trials: Application to Ulcerative Colitis
von: Minoccheri, Cristian, et al.
Veröffentlicht: (2026)

Heterogeneous Transfer Learning for Building High-Dimensional Generalized Linear Models with Disparate Datasets
von: Zhao, Ruzhang, et al.
Veröffentlicht: (2023)

PanelMatch: Matching Methods for Causal Inference with Time-Series Cross-Section Data
von: Rauh, Adam, et al.
Veröffentlicht: (2025)

Statistical Inference for Heterogeneous Treatment Effect with Right-censored Data from Synthesizing Randomized Clinical Trials and Real-world Data
von: Mao, Guangcai, et al.
Veröffentlicht: (2025)

Bayesian Federated Inference for estimating Statistical Models based on Non-shared Multicenter Data sets
von: Jonker, Marianne A., et al.
Veröffentlicht: (2023)

Spatially Robust Inference with Predicted and Missing at Random Labels
von: Salerno, Stephen, et al.
Veröffentlicht: (2026)

Causal Representation Learning with Generative Artificial Intelligence: Application to Texts as Treatments
von: Imai, Kosuke, et al.
Veröffentlicht: (2024)

A Bayesian Classification Trees Approach to Treatment Effect Variation with Noncompliance
von: Fisher, Jared D., et al.
Veröffentlicht: (2024)

Longitudinal Causal Inference with Selective Eligibility
von: Jiang, Zhichao, et al.
Veröffentlicht: (2024)

On Statistical Inference for High-Dimensional Binary Time Series
von: Dai, Dehao, et al.
Veröffentlicht: (2025)

High-dimensional Statistics Applications to Batch Effects in Metabolomics
von: Guo, Zhendong
Veröffentlicht: (2024)

Efficient Inference for Noisy LLM-as-a-Judge Evaluation
von: Chen, Yiqun T, et al.
Veröffentlicht: (2026)

Testing Generalizability in Causal Inference
von: Manela, Daniel de Vassimon, et al.
Veröffentlicht: (2024)

Integrating Explainable Machine Learning and Mixed-Integer Optimization for Personalized Sleep Quality Intervention
von: Anik, Mahfuz Ahmed, et al.
Veröffentlicht: (2026)

Evaluation of Missing Data Analytical Techniques in Longitudinal Research: Traditional and Machine Learning Approaches
von: Tang, Dandan, et al.
Veröffentlicht: (2024)

A Mixed-Methods Analysis of Repression and Mobilization in Bangladesh's July Revolution Using Machine Learning and Statistical Modeling
von: Siddiqui, Md. Saiful Bari, et al.
Veröffentlicht: (2025)

Beyond Reweighting: On the Predictive Role of Covariate Shift in Effect Generalization
von: Jin, Ying, et al.
Veröffentlicht: (2024)

Do Large Language Models (Really) Need Statistical Foundations?
von: Su, Weijie
Veröffentlicht: (2025)

Randomization Tests for Distributions of Individual Treatment Effects via Combined Rank Statistics
von: Kim, David, et al.
Veröffentlicht: (2026)

meval: A Statistical Toolbox for Fine-Grained Model Performance Analysis
von: Sutariya, Dishantkumar, et al.
Veröffentlicht: (2025)

Prediction of Respiratory Syncytial Virus-Associated Hospitalizations Using Machine Learning Models Based on Environmental Data
von: Guo, Eric
Veröffentlicht: (2025)

Safe and Interpretable Estimation of Optimal Treatment Regimes
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

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

Approximate Maximum Likelihood Inference for Acoustic Spatial Capture-Recapture with Unknown Identities, Using Monte Carlo Expectation Maximization
von: Wang, Yuheng, et al.
Veröffentlicht: (2024)

Predicting Electricity Consumption with Random Walks on Gaussian Processes
von: Hashimoto-Cullen, Chloé, et al.
Veröffentlicht: (2024)

Fusing Individualized Treatment Rules Using Secondary Outcomes
von: Gao, Daiqi, et al.
Veröffentlicht: (2024)

Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models
von: Wu, Yufei, et al.
Veröffentlicht: (2024)

GenAI-Powered Inference
von: Imai, Kosuke, et al.
Veröffentlicht: (2025)