Buchumschlag

Impossibility of Distribution-Free Predictive Inference for Individual Treatment Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tao, Chongguang, Zhou, Zheng, Yang, Yuhong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conformal Prediction Assessment: A Framework for Conditional Coverage Evaluation and Selection
von: Zhou, Zheng, et al.
Veröffentlicht: (2026)

Inference on the Distribution of Individual Treatment Effects in Nonseparable Triangular Models
von: Ma, Jun, et al.
Veröffentlicht: (2025)

Individualized Prediction Bands in Causal Inference with Continuous Treatments
von: Sampson, Max, et al.
Veröffentlicht: (2025)

Inference on Individual Treatment Effects in Nonseparable Triangular Models
von: Ma, Jun, et al.
Veröffentlicht: (2021)

Prediction Intervals for Individual Treatment Effects in a Multiple Decision Point Framework using Conformal Inference
von: Bose, Swaraj, et al.
Veröffentlicht: (2025)

Individual Treatment Effect: Prediction Intervals and Sharp Bounds
von: Zhang, Zhehao, et al.
Veröffentlicht: (2025)

Conformal Diffusion Models for Individual Treatment Effect Estimation and Inference
von: Cai, Hengrui, et al.
Veröffentlicht: (2024)

Randomization Tests for Distributions of Individual Treatment Effects via Combined Rank Statistics
von: Kim, David, et al.
Veröffentlicht: (2026)

Using Individualized Treatment Effects to Assess Treatment Effect Heterogeneity
von: Sechidis, Konstantinos, et al.
Veröffentlicht: (2025)

Minimax Rate-Optimal Inference for Individualized Quantile Treatment Effects in High-dimensional Models
von: Sun, Jiachen, et al.
Veröffentlicht: (2025)

Distribution-Free Predictive Inference under Unknown Temporal Drift
von: Han, Elise, et al.
Veröffentlicht: (2024)

Global Average Treatment Effects for Individualized Randomization Experiments with Aggregate Data
von: Yu, Shuguang, et al.
Veröffentlicht: (2026)

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

Scalable and Distributed Individualized Treatment Rules for Massive Datasets
von: Qiao, Nan, et al.
Veröffentlicht: (2025)

Individualized Causal Effects under Network Interference with Combinatorial Treatments
von: Lu, Yunping, et al.
Veröffentlicht: (2026)

Causal Inference for a Hidden Treatment
von: Zhou, Ying, et al.
Veröffentlicht: (2024)

Dynamic Inter-treatment Information Sharing for Individualized Treatment Effects Estimation
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2023)

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

Robust Inference for the Direct Average Treatment Effect with Treatment Assignment Interference
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2025)

Prediction Inference Using Generalized Functional Mixed Effects Models
von: Zhou, Xinkai, et al.
Veröffentlicht: (2025)

From Estimands to Robust Inference of Treatment Effects in Platform Trials
von: Qian, Yuhan, et al.
Veröffentlicht: (2024)

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

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

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

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

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

Trajectory-Based Individualized Treatment Rules
von: Yao, Lanqiu, et al.
Veröffentlicht: (2024)

Reluctant Transfer Learning in Penalized Regressions for Individualized Treatment Rules under Effect Heterogeneity
von: Oh, Eun Jeong, et al.
Veröffentlicht: (2025)

Randomization Inference For the Always-Reporter Average Treatment Effect
von: Chang, Haoge, et al.
Veröffentlicht: (2026)

Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes
von: Lu, Yuying, et al.
Veröffentlicht: (2026)

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

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

Assessing Estimate of CATE from Observational Data via an RCT Study
von: Cui, Bosen, et al.
Veröffentlicht: (2026)

Extreme Quantile Treatment Effects under Endogeneity: Evaluating Policy Effects for the Most Vulnerable Individuals
von: Sasaki, Yuya, et al.
Veröffentlicht: (2024)

Model-Free Inference for Characterizing Protein Mutations through a Coevolutionary Lens
von: Yang, Fan, et al.
Veröffentlicht: (2026)

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

Demographic Parity-aware Individualized Treatment Rules
von: Cui, Wenhai, et al.
Veröffentlicht: (2025)

Robust Bayesian Inference of Causal Effects via Randomization Distributions
von: Huch, Easton, et al.
Veröffentlicht: (2025)

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

Distribution-Free Prediction Sets for Regression under Target Shift
von: Yi, Menghan, et al.
Veröffentlicht: (2025)