论文标题:Sample Constrained Treatment Effect Estimation|样本约束下的治疗效果估计
 
简介:治疗效果估计是因果推断中的一个基本问题。我们的重点是设计有效的随机对照试验,以准确估计某种治疗对n个个体的影响。特别是,我们研究了样本约束的治疗效果估计,我们必须从人群中选择一个s远小于n个人的子集来进行实验。这个子集必须被进一步划分为治疗组和对照组。将整个人口划分为治疗组和控制组的算法,或选择一个具有代表性的子集的算法,已经得到了充分的研究。
 
在我们的环境中,关键的挑战是共同选择一个有代表性的子集和该子集的分区。我们重点关注线性效应模型下的个体和平均治疗效果估计。我们通过确定差异最小化和随机数值线性代数中使用的基于杠杆分数的抽样的联系,给出了可证明的有效实验设计和相应的估计。当s等于种群大小时,我们的理论结果获得了向已知的保证的平稳过渡。我们还从经验上证明了我们算法的性能。
 
 

内容中包含的图片若涉及版权问题,请及时与我们联系删除