Buchumschlag

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Guanhao, Han, Yuefeng, Yu, Xiufan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Econometrics Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Panel Coupled Matrix-Tensor Clustering Model with Applications to Asset Pricing
von: Cui, Liyuan, et al.
Veröffentlicht: (2025)

Factor Augmented Tensor-on-Tensor Neural Networks
von: Zhou, Guanhao, et al.
Veröffentlicht: (2024)

xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
von: Polselli, Annalivia
Veröffentlicht: (2025)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
von: Baiardi, Anna, et al.
Veröffentlicht: (2026)

Adaptive Principal Component Regression with Applications to Panel Data
von: Agarwal, Anish, et al.
Veröffentlicht: (2023)

Identification of Average Treatment Effects in Nonparametric Panel Models
von: Athey, Susan, et al.
Veröffentlicht: (2025)

Distributed Causality in the SDG Network: Evidence from Panel VAR and Conditional Independence Analysis
von: Fahim, Md Muhtasim Munif, et al.
Veröffentlicht: (2026)

Deep Learning With DAGs
von: Balgi, Sourabh, et al.
Veröffentlicht: (2024)

Data Fusion for Partial Identification of Causal Effects
von: Lanners, Quinn, et al.
Veröffentlicht: (2025)

A Causal Inference Framework for Data Rich Environments
von: Abadie, Alberto, et al.
Veröffentlicht: (2025)

Estimation and Inference for Causal Functions with Multiway Clustered Data
von: Liu, Nan, et al.
Veröffentlicht: (2024)

Robust Inference Methods for Latent Group Panel Models under Possible Group Non-Separation
von: Akgun, Oguzhan, et al.
Veröffentlicht: (2025)

Long-term Causal Inference Under Persistent Confounding via Data Combination
von: Imbens, Guido, et al.
Veröffentlicht: (2022)

Doubly Robust Inference in Causal Latent Factor Models
von: Abadie, Alberto, et al.
Veröffentlicht: (2024)

Bias-Reduced Estimation of Finite Mixtures: An Application to Latent Group Structures in Panel Data
von: Langevin, Raphaël
Veröffentlicht: (2026)

Cross-Validated Causal Inference: a Modern Method to Combine Experimental and Observational Data
von: Yang, Xuelin, et al.
Veröffentlicht: (2025)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

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

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
von: Singh, Aman
Veröffentlicht: (2026)

Mining Causality: AI-Assisted Search for Instrumental Variables
von: Han, Sukjin
Veröffentlicht: (2024)

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

The Honest Truth About Causal Trees: Accuracy Limits for Heterogeneous Treatment Effect Estimation
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2025)

Re-examining Granger Causality with Causal Bayesian Networks and Reichenbachs Principles
von: Adedayo, S. A.
Veröffentlicht: (2025)

Diffusion Index Forecasting with Tensor Data
von: Chen, Bin, et al.
Veröffentlicht: (2025)

Regularizing Extrapolation in Causal Inference
von: Arbour, David, et al.
Veröffentlicht: (2025)

Multiply-Robust Causal Change Attribution
von: Quintas-Martinez, Victor, et al.
Veröffentlicht: (2024)

Synthetic Potential Outcomes and Causal Mixture Identifiability
von: Mazaheri, Bijan, et al.
Veröffentlicht: (2024)

Applied Causal Inference Powered by ML and AI
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Machine Learning Who to Nudge: Causal vs Predictive Targeting in a Field Experiment on Student Financial Aid Renewal
von: Athey, Susan, et al.
Veröffentlicht: (2023)

Causal Mediation Analysis with Multiple Mediators: A Simulation Approach
von: Zhou, Jesse, et al.
Veröffentlicht: (2025)

Entrywise Inference for Missing Panel Data: A Simple and Instance-Optimal Approach
von: Yan, Yuling, et al.
Veröffentlicht: (2024)

Detecting and Mitigating Group Bias in Heterogeneous Treatment Effects
von: Persson, Joel, et al.
Veröffentlicht: (2026)

Data-Automated Policy Learning for Nonlinear Welfare
von: Ai, Chunrong, et al.
Veröffentlicht: (2026)

Synthetic Combinations: A Causal Inference Framework for Combinatorial Interventions
von: Agarwal, Abhineet, et al.
Veröffentlicht: (2023)

Identifying Elasticities in Autocorrelated Time Series Using Causal Graphs
von: Tiedemann, Silvana, et al.
Veröffentlicht: (2024)

A Cautionary Tale on Integrating Studies with Disparate Outcome Measures for Causal Inference
von: Parikh, Harsh, et al.
Veröffentlicht: (2025)

Double Machine Learning at Scale to Predict Causal Impact of Customer Actions
von: More, Sushant, et al.
Veröffentlicht: (2024)

Dynamic Matrix Factor Models for High Dimensional Time Series
von: Yu, Ruofan, et al.
Veröffentlicht: (2024)