Buchumschlag

Optimal Data Integration and Adaptive Sampling for Efficient Treatment Effect Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yen-Chun, Volfovsky, Alexander, Schnaidt, German, Garib, Cristobal, Laber, Eric
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reinforcement Learning for Respondent-Driven Sampling
von: Weltz, Justin, et al.
Veröffentlicht: (2025)

Safe and Interpretable Estimation of Optimal Treatment Regimes
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

Adaptive Randomization Methods for Sequential Multiple Assignment Randomized Trials (SMARTs) via Thompson Sampling
von: Norwood, Peter, et al.
Veröffentlicht: (2024)

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

DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments
von: Husar, Kateryna, et al.
Veröffentlicht: (2026)

Adaptive Policy Learning Under Unknown Network Interference
von: Gleich, Aidan, et al.
Veröffentlicht: (2026)

Optimal treatment strategies for prioritized outcomes
von: Duke, Kyle, et al.
Veröffentlicht: (2024)

Functional Principal Component Analysis for Sparse Censored Data
von: Murphy, Caitrin, et al.
Veröffentlicht: (2024)

Interpretable Causal Inference for Analyzing Wearable, Sensor, and Distributional Data
von: Katta, Srikar, et al.
Veröffentlicht: (2023)

Adaptive Data-Borrowing for Improving Treatment Effect Estimation using External Controls
von: Yang, Qinwei, et al.
Veröffentlicht: (2025)

TEA-Time: Transporting Effects Across Time
von: Parikh, Harsh, et al.
Veröffentlicht: (2026)

Scalable Policy Maximization Under Network Interference
von: Gleich, Aidan, et al.
Veröffentlicht: (2025)

Efficient Estimation of Causal Effects Under Two-Phase Sampling with Error-Prone Outcome and Treatment Measurements
von: Barnatchez, Keith, et al.
Veröffentlicht: (2025)

Adaptive Orthogonalization for Stable Estimation of the Effects of Time-Varying Treatments
von: Li, Yige, et al.
Veröffentlicht: (2025)

Efficient Estimation of Average Treatment Effect on the Treated under Endogenous Treatment Assignment
von: Ghosh, Trinetri, et al.
Veröffentlicht: (2023)

Optimistic Algorithms for Adaptive Estimation of the Average Treatment Effect
von: Neopane, Ojash, et al.
Veröffentlicht: (2025)

Improving Treatment Effect Estimation in Trials through Adaptive Borrowing of External Controls
von: Yang, Qinwei, et al.
Veröffentlicht: (2026)

LongBet: Heterogeneous Treatment Effect Estimation in Panel Data
von: Wang, Meijia, et al.
Veröffentlicht: (2024)

Kernel Treatment Effects with Adaptively Collected Data
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Micro-randomized Trials with Categorical Treatments: Causal Effect Estimation and Sample Size Calculation
von: Lin, Jeremy, et al.
Veröffentlicht: (2025)

Nonparametric Estimation of Local Treatment Effects with Continuous Instruments
von: Zeng, Zhenghao, et al.
Veröffentlicht: (2025)

On the Comparative Analysis of Average Treatment Effects Estimation via Data Combination
von: Wu, Peng, et al.
Veröffentlicht: (2023)

Data Integration for Estimating Subgroup-Specific Conditional Average Treatment Effects (CATEs) Using Coarsened External Information in Randomized Trials
von: Yang, Youqi, et al.
Veröffentlicht: (2026)

Optimal Dynamic Treatment Regime Estimation in the Presence of Nonadherence
von: Spicker, Dylan, et al.
Veröffentlicht: (2024)

A Double Machine Learning Approach to Combining Experimental and Observational Data
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

The Nudge Average Treatment Effect
von: Tchetgen, Eric J Tchetgen
Veröffentlicht: (2024)

Recursive Adaptive Importance Sampling with Optimal Replenishment
von: Barreto, Daniel Würzler, et al.
Veröffentlicht: (2025)

Model-Twin Randomization (MoTR) for Estimating the Recurring Individual Treatment Effect
von: Daza, Eric J., et al.
Veröffentlicht: (2022)

Budgeted Active Experimentation for Treatment Effect Estimation from Observational and Randomized Data
von: Gao, Jiacan, et al.
Veröffentlicht: (2026)

Data-Adaptive Integration With Summary Data
von: Morikawa, Kosuke, et al.
Veröffentlicht: (2025)

Heterogeneous Quantile Treatment Effect Estimation for Longitudinal Data with High-Dimensional Confounding
von: Qiu, Zhixin, et al.
Veröffentlicht: (2025)

On Identification of Optimal Dynamic Treatment Regimes with Proxies of Hidden Confounders
von: Zhang, Jeffrey, et al.
Veröffentlicht: (2024)

Integrate Meta-analysis into Specific Study (InMASS) for Estimating Conditional Average Treatment Effect
von: Hanada, Keisuke, et al.
Veröffentlicht: (2025)

Estimating Treatment and Spillover Effects with the Ego-Cluster Experimental Design
von: Liu, Xiao, et al.
Veröffentlicht: (2026)

Quantile Outcome Adaptive Lasso: Covariate Selection for Inverse Probability Weighting Estimator of Quantile Treatment Effects
von: Shoji, Takehiro, et al.
Veröffentlicht: (2024)

Mind the Sim-to-Real Gap & Think Like a Scientist
von: Parikh, Harsh, et al.
Veröffentlicht: (2026)

Optimal Shrinkage Estimation of Fixed Effects in Linear Panel Data Models
von: Kwon, Soonwoo
Veröffentlicht: (2023)

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

Estimation of Treatment Effects in Extreme and Unobserved Data
von: Tan, Jiyuan, et al.
Veröffentlicht: (2025)

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