Buchumschlag

Efficient collaborative learning of the average treatment effect

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sijia, Duan, Rui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Estimation and inference of average treatment effects under heterogeneous additive treatment effect model
von: Lu, Xin, et al.
Veröffentlicht: (2024)

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

Efficient estimation of the target population average treatment effect from multi-source data
von: Su, Zehao, et al.
Veröffentlicht: (2024)

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

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

Data fusion using weakly aligned sources
von: Li, Sijia, et al.
Veröffentlicht: (2023)

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

Efficient Estimation Under Data Fusion
von: Li, Sijia, et al.
Veröffentlicht: (2021)

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

Efficient Inference for Covariate-adjusted Bradley-Terry Model with Covariate Shift
von: Li, Xiudi, et al.
Veröffentlicht: (2025)

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

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

Efficient Inference for Time-to-Event Outcomes by Integrating Right-Censored and Current Status Data
von: Li, Xiudi, et al.
Veröffentlicht: (2025)

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

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

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

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

Efficient estimation of longitudinal treatment effects using difference-in-differences and machine learning
von: Illenberger, Nicholas, et al.
Veröffentlicht: (2024)

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

A comparison of methods for estimating the average treatment effect on the treated for externally controlled trials
von: Wang, Huan, et al.
Veröffentlicht: (2024)

Resampling-based confidence intervals and bands for the average treatment effect in observational studies with competing risks
von: Rühl, Jasmin, et al.
Veröffentlicht: (2023)

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

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

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

Robust angle-based transfer learning in high dimensions
von: Gu, Tian, et al.
Veröffentlicht: (2022)

Leveraging machine learning to estimate individualized treatment effects in cluster-randomized trials
von: Li, Changjun, et al.
Veröffentlicht: (2026)

Interactive identification of individuals with positive treatment effect while controlling false discoveries
von: Duan, Boyan, et al.
Veröffentlicht: (2021)

Generalizing conditional average treatment effects from nested randomized trials to all trial-eligible individuals
von: Wen, Lan, et al.
Veröffentlicht: (2026)

Generalized optimal parameter-transfer learning through Mallows-type model averaging
von: Jiang, Fen, et al.
Veröffentlicht: (2025)

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

Identifying average causal effect in regression discontinuity design with auxiliary data
von: Feng, Xinqin, et al.
Veröffentlicht: (2024)

Double machine learning to estimate the effects of multiple treatments and their interactions
von: Xiang, Qingyan, et al.
Veröffentlicht: (2025)

A note on the properties of the confidence set for the local average treatment effect obtained by inverting the score test
von: Smucler, Ezequiel, et al.
Veröffentlicht: (2025)

Semi-supervised learning using copula-based regression and model averaging
von: Gao, Ziwen, et al.
Veröffentlicht: (2024)

Efficient estimation of subgroup treatment effects using multi-source data
von: Wang, Guanbo, et al.
Veröffentlicht: (2024)

Efficient semiparametric estimation of marginal treatment effects with genetic instrumental variables
von: Patel, Ashish, et al.
Veröffentlicht: (2026)

A sensitivity analysis for the average derivative effect
von: Zhang, Jeffrey
Veröffentlicht: (2025)

Optimally weighted average derivative effects
von: Hines, Oliver, et al.
Veröffentlicht: (2023)

A Bayesian approach to the survivor average causal effect in cluster-randomized crossover trials
von: Isenberg, Dane, et al.
Veröffentlicht: (2025)