Buchumschlag

Causal Diffusion Models for Counterfactual Outcome Distributions in Longitudinal Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alinezhad, Farbod, Cao, Jianfei, Young, Gary J., Post, Brady
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forecasting Algorithms for Causal Inference with Panel Data
von: Goldin, Jacob, et al.
Veröffentlicht: (2022)

From Unstructured Data to Demand Counterfactuals: Theory and Practice
von: Christensen, Timothy, et al.
Veröffentlicht: (2026)

The Condition-Number Principle for Prototype Clustering
von: Li, Romano, et al.
Veröffentlicht: (2026)

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

Group Shapley Value and Counterfactual Simulations in a Structural Model
von: Kwon, Yongchan, et al.
Veröffentlicht: (2024)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
von: Zhou, Guanhao, et al.
Veröffentlicht: (2025)

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

From What Ifs to Insights: Counterfactuals in Causal Inference vs. Explainable AI
von: Shmueli, Galit, et al.
Veröffentlicht: (2025)

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)

Budget-Constrained Causal Bandits: Bridging Uplift Modeling and Sequential Decision-Making
von: Pillai, Abhirami
Veröffentlicht: (2026)

Causal Inference on Outcomes Learned from Text
von: Modarressi, Iman, et al.
Veröffentlicht: (2025)

Causal Multi-Task Demand Learning
von: Gupta, Varun, et al.
Veröffentlicht: (2026)

Causal Machine Learning for Moderation Effects
von: Bearth, Nora, et al.
Veröffentlicht: (2024)

Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
von: Shirani, Sadegh, et al.
Veröffentlicht: (2025)

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

causalfe: Causal Forests with Fixed Effects in Python
von: Aytug, Harry
Veröffentlicht: (2026)

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

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

Testing Full Mediation of Treatment Effects and the Identifiability of Causal Mechanisms
von: Huber, Martin, et al.
Veröffentlicht: (2026)

Neighborhood Adaptive Estimators for Causal Inference under Network Interference
von: Belloni, Alexandre, et al.
Veröffentlicht: (2022)

Higher-Order Causal Message Passing for Experimentation with Complex Interference
von: Bayati, Mohsen, et al.
Veröffentlicht: (2024)

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

Double Machine Learning for Causal Inference under Shared-State Interference
von: Hays, Chris, et al.
Veröffentlicht: (2025)

Stable Time Series Prediction of Enterprise Carbon Emissions Based on Causal Inference
von: Hong, Zitao, et al.
Veröffentlicht: (2026)

Hyperparameter Tuning for Causal Inference with Double Machine Learning: A Simulation Study
von: Bach, Philipp, et al.
Veröffentlicht: (2024)

Valuing an Engagement Surface using a Large Scale Dynamic Causal Model
von: Mukerji, Abhimanyu, et al.
Veröffentlicht: (2024)

CAREER: A Foundation Model for Labor Sequence Data
von: Vafa, Keyon, et al.
Veröffentlicht: (2022)

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

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)

Inference in Partially Linear Models under Dependent Data with Deep Neural Networks
von: Brown, Chad
Veröffentlicht: (2024)

Learning Nonlinear Factor Models with Unknown Monotone Links from Incomplete and Noisy Data
von: Chao, Yutong, et al.
Veröffentlicht: (2026)

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

Causal Models for Longitudinal and Panel Data: A Survey
von: Arkhangelsky, Dmitry, et al.
Veröffentlicht: (2023)

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)

Efficient and Scalable Estimation of Distributional Treatment Effects with Multi-Task Neural Networks
von: Hirata, Tomu, et al.
Veröffentlicht: (2025)

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