Buchumschlag

Bridging Structural Causal Inference and Machine Learning The S-DIDML Estimator for Heterogeneous Treatment Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Yile, Xu, Anzhi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology 91-01
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structural DID with ML: Theory, Simulation, and a Roadmap for Applied Research
von: Yu, Yile, et al.
Veröffentlicht: (2025)

Estimating Heterogeneous Treatment Effects for Spatio-Temporal Causal Inference
von: Zhou, Lingxiao, et al.
Veröffentlicht: (2024)

Inference for Heterogeneous Treatment Effects with Efficient Instruments and Machine Learning
von: Scheidegger, Cyrill, et al.
Veröffentlicht: (2025)

DoubleMLDeep: Estimation of Causal Effects with Multimodal Data
von: Klaassen, Sven, et al.
Veröffentlicht: (2024)

Bayesian Causal Synthesis for Meta-Inference on Heterogeneous Treatment Effects
von: Sugasawa, Shonosuke, et al.
Veröffentlicht: (2023)

Quantifying Treatment Effects: Estimating Risk Ratios in Causal Inference
von: Boughdiri, Ahmed, et al.
Veröffentlicht: (2024)

Outlier-Resistant Estimators for Average Treatment Effect in Causal Inference
von: Harada, Kazuharu, et al.
Veröffentlicht: (2021)

Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects
von: Bodik, Juraj, et al.
Veröffentlicht: (2025)

From Physics to Statistics: A Simple Route to Exponential Families via Maximum Entropy
von: Strimmer, Korbinian
Veröffentlicht: (2026)

A Unified Approach for Estimating Various Treatment Effects in Causal Inference
von: Wu, Kuan-Hsun, et al.
Veröffentlicht: (2025)

Efficient Inference for Incremental Causal Effects of Time to Treatment
von: Zhao, Zhichen, et al.
Veröffentlicht: (2026)

Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2020)

Multiple Randomization Designs: Estimation and Inference with Interference
von: Masoero, Lorenzo, et al.
Veröffentlicht: (2021)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

Bounding Causal Effects and Counterfactuals
von: Maringgele, Tobias
Veröffentlicht: (2025)

Heterogeneous Treatment Effects and Causal Mechanisms
von: Fu, Jiawei, et al.
Veröffentlicht: (2024)

Stochastic Loss Reserving: Dependence and Estimation
von: Fleck, Andrew, et al.
Veröffentlicht: (2024)

Estimating Heterogeneous Causal Effects of High-Dimensional Treatments: Application to Conjoint Analysis
von: Goplerud, Max, et al.
Veröffentlicht: (2022)

Estimating Interpretable Heterogeneous Treatment Effect with Causal Subgroup Discovery in Survival Outcomes
von: Bo, Na, et al.
Veröffentlicht: (2024)

Estimation and Inference for the Average Treatment Effect in a Score-Explained Heterogeneous Treatment Effect Model
von: Wibisono, Kevin Christian, et al.
Veröffentlicht: (2025)

Causal Inference under Threshold Manipulation: Bayesian Mixture Modeling and Heterogeneous Treatment Effects
von: Kubota, Kohsuke, et al.
Veröffentlicht: (2025)

Statistical Inference for Heterogeneous Treatment Effects Discovered by Generic Machine Learning in Randomized Experiments
von: Imai, Kosuke, et al.
Veröffentlicht: (2022)

Joint Estimation of Marginal and Heterogeneous Treatment Effects
von: Wuethrich, Leticia, et al.
Veröffentlicht: (2026)

Optimal Nonparametric Inference on Network Effects with Dependent Edges
von: Du, Wenqin, et al.
Veröffentlicht: (2024)

Falsification of Unconfoundedness by Testing Independence of Causal Mechanisms
von: Karlsson, Rickard K. A., et al.
Veröffentlicht: (2025)

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

Identifying Direct Causal Effects in Latent Factor Models by Accounting for Unidentified Parents
von: Hochsprung, Tom, et al.
Veröffentlicht: (2026)

Choosing alpha post hoc: the danger of multiple standard significance thresholds
von: Hemerik, Jesse, et al.
Veröffentlicht: (2024)

Impartial Avoidance Games on Convex Geometries
von: Shim, Seomgeun
Veröffentlicht: (2025)

Fitting random cash management models to data
von: Salas-Molina, Francisco
Veröffentlicht: (2024)

Heterogeneity-Aware Federated Causal Inference Leveraging Effect-Measure Transportability
von: Cao, Siqi, et al.
Veröffentlicht: (2025)

Propensity Patchwork Kriging for Scalable Inference on Heterogeneous Treatment Effects
von: Ogawa, Hajime, et al.
Veröffentlicht: (2025)

Estimating Treatment Effects with Missings Not At Random in the Estimand Framework using Causal Inference
von: de Villa, A. Ruiz, et al.
Veröffentlicht: (2025)

Uncertainty Learning for High-dimensional Mean-variance Portfolio
von: Wu, Ruike, et al.
Veröffentlicht: (2024)

Estimating Treatment Effects Under Bounded Heterogeneity
von: Kwon, Soonwoo, et al.
Veröffentlicht: (2025)

Network-Adjusted Covariates for Community Detection
von: Hu, Yaofang, et al.
Veröffentlicht: (2023)

Revenue-Sharing as Infrastructure: A Distributed Business Model for Generative AI Platforms
von: Mondjo, Ghislain Dorian Tchuente
Veröffentlicht: (2026)

The diachronic Bayesian
von: Vovk, Vladimir
Veröffentlicht: (2023)

Distributional Refinement Network: Distributional Forecasting via Deep Learning
von: Avanzi, Benjamin, et al.
Veröffentlicht: (2024)

Assumption-Lean Differential Variance Inference for Heterogeneous Treatment Effect Detection
von: Boileau, Philippe A., et al.
Veröffentlicht: (2025)