Buchumschlag

Estimation and inference of average treatment effects under heterogeneous additive treatment effect model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Xin, Li, Hongzi, Liu, Hanzhong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Treatment effect estimation under covariate-adaptive randomization with heavy-tailed outcomes
von: Li, Hongzi, et al.
Veröffentlicht: (2024)

Design-based theory for causal inference
von: Lu, Xin, et al.
Veröffentlicht: (2025)

Statistical inference of heterogeneous treatment effects using semiparametric single-index model
von: Yu, Jichang, et al.
Veröffentlicht: (2025)

Distilling heterogeneous treatment effects: Stable subgroup estimation in causal inference
von: Huang, Melody, et al.
Veröffentlicht: (2025)

Comment on "Generic machine learning inference on heterogeneous treatment effects in randomized experiments."
von: Imai, Kosuke, et al.
Veröffentlicht: (2025)

Nonparametric inference for sublevel-set probabilities of conditional average treatment effect functions
von: Munch, Anders, et al.
Veröffentlicht: (2026)

Efficient collaborative learning of the average treatment effect
von: Li, Sijia, et al.
Veröffentlicht: (2024)

Semi-supervised inference for treatment heterogeneity
von: Anniwaer, Yilizhati, et al.
Veröffentlicht: (2025)

Estimating average treatment effects when treatment data are absent in a target study
von: Wen, Lan, et al.
Veröffentlicht: (2025)

Two-stage least squares with treatment-covariate interactions for treatment effect heterogeneity
von: Zhao, Anqi, et al.
Veröffentlicht: (2025)

Improving efficiency in transporting average treatment effects
von: Rudolph, Kara E., et al.
Veröffentlicht: (2023)

Trustworthy assessment of heterogeneous treatment effect estimator
von: Gao, Zijun
Veröffentlicht: (2024)

Variable importance measures for heterogeneous treatment effects
von: Hines, Oliver J., et al.
Veröffentlicht: (2022)

Data fusion methods for the heterogeneity of treatment effect and confounding function
von: Yang, Shu, et al.
Veröffentlicht: (2020)

Encoding and inference on separable effects for sustained treatments
von: Gonzalez-Perez, Ignacio, et al.
Veröffentlicht: (2025)

Comment on "Sequential validation of treatment heterogeneity" and "Comment on generic machine learning inference on heterogeneous treatment effects in randomized experiments"
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2025)

Finding network effect of randomized treatment under weak assumptions for any outcome and any effect heterogeneity
von: Lee, Myoung-jae
Veröffentlicht: (2025)

One-step TMLE for weighted average treatment effects
von: Liu, Yang, et al.
Veröffentlicht: (2026)

Augmented match weighted estimators for average treatment effects
von: Xu, Tanchumin, et al.
Veröffentlicht: (2023)

Dynamic treatment effects: high-dimensional inference under model misspecification
von: Zhang, Yuqian, et al.
Veröffentlicht: (2021)

Estimation of conditional average treatment effects on distributed confidential data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2024)

Estimating heterogeneous treatment effects by W-MCM based on Robust reduced rank regression
von: Hieda, Ryoma, et al.
Veröffentlicht: (2024)

Estimating heterogeneous treatment effects with survival outcomes via a deep survival learner
von: Sun, Yuming, et al.
Veröffentlicht: (2026)

Identification and estimation of the conditional average treatment effect with nonignorable missing covariates, treatment, and outcome
von: Zuo, Shuozhi, et al.
Veröffentlicht: (2026)

Doubly robust average treatment effect estimation for survival data
von: Lee, Byeonghee, et al.
Veröffentlicht: (2025)

Enhanced inference for distributions and quantiles of individual treatment effects in various experiments
von: Chen, Zhe, et al.
Veröffentlicht: (2024)

Variable importance measures for heterogeneous treatment effects with survival outcome
von: Ziersen, Simon Christoffer, et al.
Veröffentlicht: (2024)

Average treatment effect on the treated, under lack of positivity
von: Liu, Yi, et al.
Veröffentlicht: (2023)

Parameterising the effect of a continuous treatment using average derivative effects
von: Hines, Oliver J., et al.
Veröffentlicht: (2021)

Estimating the average treatment effect in cluster-randomized trials with misclassified outcomes and non-random validation subsets
von: Isenberg, Dane, et al.
Veröffentlicht: (2025)

Efficient estimation of average treatment effects with unmeasured confounding and proxies
von: Ai, Chunrong, et al.
Veröffentlicht: (2025)

Absolute average and median treatment effects as causal estimands on metric spaces
von: Shin, Ha-Young, et al.
Veröffentlicht: (2024)

Design-based edge-level causal inference with machine learning assisted covariate adjustment
von: Yu, Haoyang, et al.
Veröffentlicht: (2026)

A causal fused lasso for interpretable heterogeneous treatment effects estimation
von: Padilla, Oscar Hernan Madrid, et al.
Veröffentlicht: (2021)

Randomization-based Z-estimation for evaluating average and individual treatment effects
von: Qu, Tianyi, et al.
Veröffentlicht: (2024)

Estimating causal effects of functional treatments with modified functional treatment policies
von: Jiang, Ziren, et al.
Veröffentlicht: (2026)

Rate doubly robust estimation for weighted average treatment effects
von: Wang, Yiming, et al.
Veröffentlicht: (2025)

Estimation of time-varying treatment effects using marginal structural models dependent on partial treatment history
von: Seya, Nodoka, et al.
Veröffentlicht: (2024)

Randomization-based confidence sets for the local average treatment effect
von: Aronow, P. M., et al.
Veröffentlicht: (2024)

Treatment bootstrapping: A new approach to quantify uncertainty of average treatment effect estimates
von: Li, Jing
Veröffentlicht: (2023)