Buchumschlag

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kato, Masahiro, Oga, Akihiro, Komatsubara, Wataru, Inokuchi, Ryo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Machine Learning Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

PUATE: Efficient Average Treatment Effect Estimation from Treated (Positive) and Unlabeled Units
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

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

Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates for Prediction-Powered Causal Inference
von: Kato, Masahiro
Veröffentlicht: (2025)

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

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

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

Learning from Double Positive and Unlabeled Data for Potential-Customer Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

Adaptive Experimental Design for Policy Learning
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

A Note on Doubly Robust Estimator in Regression Discontinuity Designs
von: Kato, Masahiro
Veröffentlicht: (2024)

Covariate Balancing and Riesz Regression Should Be Guided by the Neyman Orthogonal Score in Debiased Machine Learning
von: Kato, Masahiro
Veröffentlicht: (2026)

Efficient Adaptive Experimental Design for Average Treatment Effect Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2020)

Riesz Regression As Direct Density Ratio Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Modeling Covariate Transition for Efficient Estimation of Longitudinal Treatment Effects in Randomized Experiments
von: Chihara, Naoki, et al.
Veröffentlicht: (2026)

Debiased Regression for Root-N-Consistent Conditional Mean Estimation
von: Kato, Masahiro
Veröffentlicht: (2024)

Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

ScoreMatchingRiesz: Score Matching for Debiased Machine Learning and Policy Path Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Conformal Prediction for Nonparametric Instrumental Regression
von: Kato, Masahiro
Veröffentlicht: (2026)

Asymptotically Unbiased Synthetic Control Methods by Moment Matching
von: Kato, Masahiro, et al.
Veröffentlicht: (2023)

Debiased Nonparametric Regression for Statistical Inference and Distributionally Robustness
von: Kato, Masahiro
Veröffentlicht: (2024)

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

General Bayesian Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2026)

Minimax and Bayes Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2025)

Locally Optimal Fixed-Budget Best Arm Identification in Two-Armed Gaussian Bandits with Unknown Variances
von: Kato, Masahiro
Veröffentlicht: (2023)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Direct Debiased Machine Learning via Bregman Divergence Minimization
von: Kato, Masahiro
Veröffentlicht: (2025)

A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

genriesz: A Python Package for Automatic Debiased Machine Learning with Generalized Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2026)

Worst-Case Optimal Multi-Armed Gaussian Best Arm Identification with a Fixed Budget
von: Kato, Masahiro
Veröffentlicht: (2023)

A Unified Framework for Debiased Machine Learning: Riesz Representer Fitting under Bregman Divergence
von: Kato, Masahiro
Veröffentlicht: (2026)

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

The Role of Contextual Information in Best Arm Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2021)

Inference for Batched Adaptive Experiments
von: Kemper, Jan, et al.
Veröffentlicht: (2025)

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

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

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

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

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

Estimation of Optimal Dynamic Treatment Assignment Rules under Policy Constraints
von: Sakaguchi, Shosei
Veröffentlicht: (2021)

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