Buchumschlag

Balancing Weights for Causal Inference in Observational Factorial Studies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Ruoqi, Ding, Peng
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forest Kernel Balancing Weights: Outcome-Guided Features for Causal Inference
von: Shen, Andy A., et al.
Veröffentlicht: (2025)

Balancing Weights for Causal Mediation Analysis
von: Kawato, Kentaro
Veröffentlicht: (2025)

Factorial Difference-in-Differences
von: Xu, Yiqing, et al.
Veröffentlicht: (2024)

lmw: Linear Model Weights for Causal Inference
von: Chattopadhyay, Ambarish, et al.
Veröffentlicht: (2023)

Sensitivity Analysis of Inverse Probability Weighting Estimators of Causal Effects in Observational Studies with Multivalued Treatments
von: Basit, Md Abdul, et al.
Veröffentlicht: (2023)

Design and Analysis Considerations for Causal Inference under Two-Phase Sampling in Observational Studies
von: Harada, Kazuharu, et al.
Veröffentlicht: (2025)

Partially Retargeted Balancing Weights for Causal Effect Estimation Under Positivity Violations
von: Barnard, Martha, et al.
Veröffentlicht: (2025)

Choosing Covariate Balancing Methods for Causal Inference: Practical Insights from a Simulation Study
von: Peyrot, Etienne, et al.
Veröffentlicht: (2024)

Relative Bias Under Imperfect Identification in Observational Causal Inference
von: Huang, Melody, et al.
Veröffentlicht: (2025)

Re-evaluating the impact of hormone replacement therapy on heart disease using match-adaptive randomization inference
von: Pimentel, Samuel D., et al.
Veröffentlicht: (2024)

Differentially Private Covariate Balancing Causal Inference
von: Ohnishi, Yuki, et al.
Veröffentlicht: (2024)

Which Covariates to Adjust for? Specification-robust Causal Inference in Observational Studies
von: Ghosh, Aditya, et al.
Veröffentlicht: (2025)

Causal Inference in the Multiverse of Hazard
von: Lai, En-Yu, et al.
Veröffentlicht: (2024)

Distributional Balancing for Causal Inference: A Unified Framework via Characteristic Function Distance
von: Santra, Diptanil, et al.
Veröffentlicht: (2026)

Design Sensitivity and Its Implications for Weighted Observational Studies
von: Huang, Melody, et al.
Veröffentlicht: (2023)

A Weighting Framework for Clusters as Confounders in Observational Studies
von: Ben-Michael, Eli, et al.
Veröffentlicht: (2026)

Federated Causal Inference from Observational Data
von: Vo, Thanh Vinh, et al.
Veröffentlicht: (2023)

Causal Inference in Genetic Trio Studies
von: Bates, Stephen, et al.
Veröffentlicht: (2020)

What is Overlap Weighting, How Has it Evolved, and When to Use It for Causal Inference?
von: Lu, Haidong, et al.
Veröffentlicht: (2026)

Using a Two-Parameter Sensitivity Analysis Framework to Efficiently Combine Randomized and Non-randomized Studies
von: Yu, Ruoqi, et al.
Veröffentlicht: (2024)

Towards Representation Learning for Weighting Problems in Design-Based Causal Inference
von: Clivio, Oscar, et al.
Veröffentlicht: (2024)

Causal Estimation and Inference in Nonlinear Mendelian Randomization Studies
von: Wang, Xinpei, et al.
Veröffentlicht: (2024)

A Universal Framework for Factorial Matched Observational Studies with General Treatment Types: Design, Analysis, and Applications
von: Zhu, Jianan, et al.
Veröffentlicht: (2025)

Generative Causal Inference
von: Nareklishvili, Maria, et al.
Veröffentlicht: (2023)

Geodesic Causal Inference
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2024)

HNCI: High-Dimensional Network Causal Inference
von: Du, Wenqin, et al.
Veröffentlicht: (2024)

How Balanced Should Causal Covariates Be?
von: Kaul, Shiva, et al.
Veröffentlicht: (2025)

Causal Meta-Analysis by Integrating Multiple Observational Studies with Multivariate Outcomes
von: Guha, Subharup, et al.
Veröffentlicht: (2023)

Finite Population Inference for Factorial Designs and Panel Experiments with Imperfect Compliance
von: Picchetti, Pedro
Veröffentlicht: (2026)

Fortified Proximal Causal Inference with Many Invalid Proxies
von: Yu, Myeonghun, et al.
Veröffentlicht: (2025)

Causal Graph Aided Causal Discovery in an Observational Aneurysmal Subarachnoid Hemorrhage Study
von: Berzuini, Carlo, et al.
Veröffentlicht: (2024)

Balancing Weights for Non-monotone Missing Data
von: Dong, Jianing, et al.
Veröffentlicht: (2024)

Demystifying Proximal Causal Inference
von: Ringlein, Grace V., et al.
Veröffentlicht: (2025)

On Causal Inference for the Survivor Function
von: Baer, Benjamin R., et al.
Veröffentlicht: (2025)

Nonparametric Inference for Balance in Signed Networks
von: Chen, Xuyang, et al.
Veröffentlicht: (2024)

Challenges in Statistics: A Dozen Challenges in Causality and Causal Inference
von: Cinelli, Carlos, et al.
Veröffentlicht: (2025)

A General Causal Inference Framework for Cross-Sectional Observational Data
von: Zhao, Yonghe, et al.
Veröffentlicht: (2024)

The R Package WMAP: Tools for Causal Meta-Analysis by Integrating Multiple Observational Studies
von: Guha, Subharup, et al.
Veröffentlicht: (2025)

Regression-Based Proximal Causal Inference
von: Liu, Jiewen, et al.
Veröffentlicht: (2024)

Causal Inference Under Network Interference
von: Bhadra, Subhankar, et al.
Veröffentlicht: (2025)