Buchumschlag

Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Xichen, Li, Zheng, Huang, Biwei, Zeng, Yan, Geng, Zhi, Xie, Feng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2023)

Confounded Causal Imitation Learning with Instrumental Variables
von: Zeng, Yan, et al.
Veröffentlicht: (2025)

Identification and Estimation of the Bi-Directional MR with Some Invalid Instruments
von: Xie, Feng, et al.
Veröffentlicht: (2024)

iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models
von: Chen, Tianyu, et al.
Veröffentlicht: (2023)

Local Causal Structure Learning in the Presence of Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2024)

Enabling Causal Discovery in Post-Nonlinear Models with Normalizing Flows
von: Hoang, Nu, et al.
Veröffentlicht: (2024)

CrowdLLM: Building LLM-Based Digital Populations Augmented with Generative Models
von: Lin, Ryan Feng, et al.
Veröffentlicht: (2025)

Testing Causal Models with Hidden Variables in Polynomial Delay via Conditional Independencies
von: Jeong, Hyunchai, et al.
Veröffentlicht: (2024)

Counterfactual Probabilistic Diffusion with Expert Models
von: Mu, Wenhao, et al.
Veröffentlicht: (2025)

TTCD:Transformer Integrated Temporal Causal Discovery from Non-Stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2026)

Detecting Structural Heart Disease from Electrocardiograms via a Generalized Additive Model of Interpretable Foundation-Model Predictors
von: Zhou, Ya, et al.
Veröffentlicht: (2026)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

Compositional Models for Estimating Causal Effects
von: Pruthi, Purva, et al.
Veröffentlicht: (2024)

A Recursive Decomposition Framework for Causal Structure Learning in the Presence of Latent Variables
von: Li, Zheng, et al.
Veröffentlicht: (2026)

Beyond Pairwise: Empowering LLM Alignment With Ranked Choice Modeling
von: Tang, Yuxuan, et al.
Veröffentlicht: (2025)

De-confounding Representation Learning for Counterfactual Inference on Continuous Treatment via Generative Adversarial Network
von: Zhao, Yonghe, et al.
Veröffentlicht: (2023)

Conformal Diffusion Models for Individual Treatment Effect Estimation and Inference
von: Cai, Hengrui, et al.
Veröffentlicht: (2024)

Empirical Analysis of Model Selection for Heterogeneous Causal Effect Estimation
von: Mahajan, Divyat, et al.
Veröffentlicht: (2022)

Generalizing Orthogonalization for Models with Non-Linearities
von: Rügamer, David, et al.
Veröffentlicht: (2024)

Towards a holistic understanding of Selection Bias for Causal Effect Identification
von: Qiu, Yiwen, et al.
Veröffentlicht: (2026)

The Estimation of Continual Causal Effect for Dataset Shifting Streams
von: Chen, Baining, et al.
Veröffentlicht: (2025)

Conditional Generative Models are Sufficient to Sample from Any Causal Effect Estimand
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2024)

Causal Diffusion Autoencoders: Toward Counterfactual Generation via Diffusion Probabilistic Models
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2024)

Automating the Selection of Proxy Variables of Unmeasured Confounders
von: Xie, Feng, et al.
Veröffentlicht: (2024)

Rating Multi-Modal Time-Series Forecasting Models (MM-TSFM) for Robustness Through a Causal Lens
von: Lakkaraju, Kausik, et al.
Veröffentlicht: (2024)

How Many Human Survey Respondents is a Large Language Model Worth? An Uncertainty Quantification Perspective
von: Huang, Chengpiao, et al.
Veröffentlicht: (2025)

Integrating Random Forests and Generalized Linear Models for Improved Accuracy and Interpretability
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2023)

Local Learning for Covariate Selection in Nonparametric Causal Effect Estimation with Latent Variables
von: Li, Zheng, et al.
Veröffentlicht: (2024)

On the Granularity of Causal Effect Identifiability
von: Chen, Yizuo, et al.
Veröffentlicht: (2025)

A Testable Certificate for Constant Collapse in Teacher-Guided VAEs
von: Zhang, Zegu, et al.
Veröffentlicht: (2026)

Identifying Conditional Causal Effects in MPDAGs
von: LaPlante, Sara, et al.
Veröffentlicht: (2025)

Transferring Causal Effects using Proxies
von: Iglesias-Alonso, Manuel, et al.
Veröffentlicht: (2025)

Inferring the Most Similar Variable-length Subsequences between Multidimensional Time Series
von: Rattanakornphan, Thanadej, et al.
Veröffentlicht: (2025)

Defining Expertise: Applications to Treatment Effect Estimation
von: Hüyük, Alihan, et al.
Veröffentlicht: (2024)

Conformal Prediction for Causal Effects of Continuous Treatments
von: Schröder, Maresa, et al.
Veröffentlicht: (2024)

Data-Driven Estimation of Heterogeneous Treatment Effects
von: Tran, Christopher, et al.
Veröffentlicht: (2023)

s-ID: Causal Effect Identification in a Sub-Population
von: Abouei, Amir Mohammad, et al.
Veröffentlicht: (2023)

NESTER: An Adaptive Neurosymbolic Method for Causal Effect Estimation
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2022)

Fast Proxy Experiment Design for Causal Effect Identification
von: Elahi, Sepehr, et al.
Veröffentlicht: (2024)

Towards Identifiable Latent Additive Noise Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)