Buchumschlag

A regression framework for studying relationships among attributes under network interference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fritz, Cornelius, Schweinberger, Michael, Bhadra, Subhankar, Hunter, David R.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Scalable Sample-to-Population Estimation of Hyperbolic Space Models for Hypergraphs
von: Fritz, Cornelius, et al.
Veröffentlicht: (2025)

Detecting and Localizing Anomalous Cliques in Inhomogeneous Networks using Egonets
von: Bhadra, Subhankar, et al.
Veröffentlicht: (2018)

A Unified Framework for Community Detection and Model Selection in Blockmodels
von: Bhadra, Subhankar, et al.
Veröffentlicht: (2025)

Scalable community detection in massive networks via predictive assignment
von: Bhadra, Subhankar, et al.
Veröffentlicht: (2025)

Design of egocentric network-based studies to estimate causal effects under interference
von: Fang, Junhan, et al.
Veröffentlicht: (2023)

R Package iglm: Regression under Interference in Connected Populations
von: Fritz, Cornelius, et al.
Veröffentlicht: (2026)

A robust regression approach to synthetic control with interference
von: He, Peiyu, et al.
Veröffentlicht: (2024)

Linear models for causal inference under network interference
von: Tong, Eric, et al.
Veröffentlicht: (2026)

The causal effects of modified treatment policies under network interference
von: Balkus, Salvador V., et al.
Veröffentlicht: (2024)

A spatio-temporal statistical framework for heatwave attribution under climate change
von: Gasser, Kamal, et al.
Veröffentlicht: (2026)

Subgroup learning in functional regression models under the RKHS framework
von: Guan, Xin, et al.
Veröffentlicht: (2025)

Efficient nonparametric estimation with difference-in-differences in the presence of network dependence and interference
von: Jetsupphasuk, Michael, et al.
Veröffentlicht: (2025)

Variational Bayes and Truncation approximations for Enriched Dirichlet process mixtures
von: Bhadra, Somnath, et al.
Veröffentlicht: (2026)

Causal clustering: design of cluster experiments under network interference
von: Viviano, Davide, et al.
Veröffentlicht: (2023)

Causal inference with misspecified network interference structure
von: Weinstein, Bar, et al.
Veröffentlicht: (2023)

A Bayesian regression framework for circular models with INLA
von: Ye, Xiang, et al.
Veröffentlicht: (2026)

Quasi-randomization tests for network interference
von: Tiwari, Supriya, et al.
Veröffentlicht: (2024)

Scalar-on-Shape Regression Models for Functional Data Analysis
von: Bhadra, Sayan, et al.
Veröffentlicht: (2024)

Multivariate Confluent Hypergeometric Covariance Functions with Simultaneous Flexibility over Smoothness and Tail Decay
von: Yarger, Drew, et al.
Veröffentlicht: (2023)

Adaptive Weighted Random Isolation (AWRI): a simple design to estimate causal effects under network interference
von: Shi, Changhao, et al.
Veröffentlicht: (2024)

Nonparametric efficient inference for network quantile causal effects under partial interference
von: Cheng, Chao, et al.
Veröffentlicht: (2026)

Adjusting auxiliary variables under approximate neighborhood interference
von: Lu, Xin, et al.
Veröffentlicht: (2024)

A general, flexible and harmonious framework to construct interpretable functions in regression analysis
von: Zhan, Tianyu, et al.
Veröffentlicht: (2025)

Optimized variance estimation under interference and complex experimental designs
von: Harshaw, Christopher, et al.
Veröffentlicht: (2021)

Scalable Durational Event Models: Application to Physical and Digital Interactions
von: Fritz, Cornelius, et al.
Veröffentlicht: (2025)

The $α$--regression for compositional data: a unified framework for standard, temporal and spatial regression models including compositional predictors
von: Tsagris, Michail, et al.
Veröffentlicht: (2025)

Low-order outcomes and clustered designs: combining design and analysis for causal inference under network interference
von: Eichhorn, Matthew, et al.
Veröffentlicht: (2024)

Effective treatment allocation strategies under partial interference
von: Dean, Samantha G, et al.
Veröffentlicht: (2025)

Sensitivity analysis for contamination in egocentric-network randomized trials with interference
von: Weinstein, Bar, et al.
Veröffentlicht: (2026)

Estimating network-mediated causal effects via principal components network regression
von: Hayes, Alex, et al.
Veröffentlicht: (2022)

Bipartite causal inference with interference, time series data, and a random network
von: Song, Zhaoyan, et al.
Veröffentlicht: (2024)

A new block covariance regression model and inferential framework for massively large neuroimaging data
von: Kim, Hyoshin, et al.
Veröffentlicht: (2025)

Bayesian scalar-on-network regression with applications to brain functional connectivity
von: Ju, Xiaomeng, et al.
Veröffentlicht: (2024)

Nonparametric function-on-scalar regression using deep neural networks
von: Takeshita, Kazunori, et al.
Veröffentlicht: (2025)

Evidence Estimation in Gaussian Graphical Models Using a Telescoping Block Decomposition of the Precision Matrix
von: Bhadra, Anindya, et al.
Veröffentlicht: (2022)

Multilevel network meta-regression for general likelihoods: synthesis of individual and aggregate data with applications to survival analysis
von: Phillippo, David M., et al.
Veröffentlicht: (2024)

Causal attribution with confidence
von: Zhang, Ping, et al.
Veröffentlicht: (2025)

Identifying nonlinear relations among random variables: A network analytic approach
von: Slipetz, Lindley R., et al.
Veröffentlicht: (2024)

An Order of Magnitude Time Complexity Reduction for Gaussian Graphical Model Posterior Sampling Using a Reverse Telescoping Block Decomposition
von: Gao, Zejin, et al.
Veröffentlicht: (2025)