Buchumschlag

Design-based theory for causal inference from adaptive experiments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xinran, Zhao, Anqi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Design-based theory for causal inference
von: Lu, Xin, et al.
Veröffentlicht: (2025)

Design-based inference for generalized causal effects in randomized experiments
von: Chen, Xinyuan, et al.
Veröffentlicht: (2026)

Enhanced inference for distributions and quantiles of individual treatment effects in various experiments
von: Chen, Zhe, et al.
Veröffentlicht: (2024)

Design-based causal inference in bipartite experiments
von: Lu, Sizhu, et al.
Veröffentlicht: (2025)

Design-based edge-level causal inference with machine learning assisted covariate adjustment
von: Yu, Haoyang, et al.
Veröffentlicht: (2026)

Model-assisted inference for dynamic causal effects in staggered rollout cluster randomized experiments
von: Chen, Xinyuan, et al.
Veröffentlicht: (2025)

Unifying regression-based and design-based causal inference in time-series experiments
von: Lin, Zhexiao, et al.
Veröffentlicht: (2025)

Covariate adjustment in randomized experiments with missing outcomes and covariates
von: Zhao, Anqi, et al.
Veröffentlicht: (2023)

On robust Bayesian causal inference
von: Alexopoulos, Angelos, et al.
Veröffentlicht: (2025)

Alternative statistical inference for the first normalized incomplete moment
von: Lu, Jiannan, et al.
Veröffentlicht: (2025)

Inverse regression for causal inference with multiple outcomes
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Sensitivity Analysis for Observational Studies with Flexible Matched Designs
von: Li, Xinran
Veröffentlicht: (2024)

Design-based inference for generalized network experiments with stochastic interventions
von: Chattopadhyay, Ambarish, et al.
Veröffentlicht: (2023)

Post-selection inference for causal effects after causal discovery
von: Chang, Ting-Hsuan, et al.
Veröffentlicht: (2024)

Regression-based proximal causal inference for right-censored time-to-event data
von: Li, Kendrick, et al.
Veröffentlicht: (2024)

Conformal causal inference for cluster randomized trials: model-robust inference without asymptotic approximations
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

Robust Bayesian causal estimation for causal inference in medical diagnosis
von: Basu, Tathagata, et al.
Veröffentlicht: (2024)

Sample size and power calculations for causal inference of observational studies
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Adaptive sparsening and smoothing of the treatment model for longitudinal causal inference using outcome-adaptive LASSO and marginal fused LASSO
von: Schnitzer, Mireille E, et al.
Veröffentlicht: (2024)

On causal inference with marked point process data
von: Ryalen, Pål Christie, et al.
Veröffentlicht: (2026)

Leveraging specificity for causal inference in observational studies
von: Miao, Wang
Veröffentlicht: (2025)

A causal inference framework for spatial confounding
von: Gilbert, Brian, et al.
Veröffentlicht: (2021)

The role of randomization inference in unraveling individual treatment effects in early phase vaccine trials
von: Chen, Zhe, et al.
Veröffentlicht: (2023)

Sample size and power calculations for causal inference with time-to-event outcomes
von: Yang, Chengxin, et al.
Veröffentlicht: (2026)

Discovery and inference of possibly bi-directional causal relationships with invalid instrumental variables
von: Li, Wei, et al.
Veröffentlicht: (2024)

SLOPE and Designing Robust Studies for Generalization
von: Miao, Xinran, et al.
Veröffentlicht: (2025)

Joint mixed-effects models for causal inference in clustered network-based observational studies
von: McNealis, Vanessa, et al.
Veröffentlicht: (2024)

A regression-based approach for bidirectional proximal causal inference in the presence of unmeasured confounding
von: Min, Jiaqi, et al.
Veröffentlicht: (2025)

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

Spatial causal inference in the presence of unmeasured confounding and interference
von: Papadogeorgou, Georgia, et al.
Veröffentlicht: (2023)

An exhaustive selection of sufficient adjustment sets for causal inference
von: Luo, Wei, et al.
Veröffentlicht: (2024)

Dynamic causal inference with time series data
von: Schaffe-Odeleye, Tanique, et al.
Veröffentlicht: (2026)

Credible causal inference beyond toy models
von: Bastías, Pablo Geraldo
Veröffentlicht: (2024)

Collaborative causal inference on distributed data
von: Kawamata, Yuji, et al.
Veröffentlicht: (2022)

A confounding bridge approach for double negative control inference on causal effects
von: Miao, Wang, et al.
Veröffentlicht: (2018)

Re-examining and calibrating weighted survival analysis for causal inference
von: Xu, Wenfu, et al.
Veröffentlicht: (2026)

Bidirectional causal inference for binary outcomes in the presence of unmeasured confounding
von: Deng, Yafang, et al.
Veröffentlicht: (2026)

Disentangling spatial interference and spatial confounding biases in causal inference
von: Ogunsola, Isqeel, et al.
Veröffentlicht: (2026)

On the limitations for causal inference in Cox models with time-varying treatment
von: Knudsen, Mark B., et al.
Veröffentlicht: (2025)

Doubly-robust and heteroscedasticity-aware sample trimming for causal inference
von: Khan, Samir, et al.
Veröffentlicht: (2022)