基于贪婪模型平均方法的条件平均处理效应的估计

作     者：潘莹丽 

作者机构：湖北大学数学与统计学学院应用数学湖北省重点实验室 梧州学院广西机器视觉与智能控制重点实验室 

出 版 物：《中国科学:数学》 (Scientia Sinica(Mathematica))

年 卷 期：2024年

核心收录：

学科分类：02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 07[理学] 100401[医学-流行病与卫生统计学] 0714[理学-统计学（可授理学、经济学学位）] 070103[理学-概率论与数理统计] 0701[理学-数学] 10[医学] 

基　　金：国家自然科学基金(批准号:11901175) 广西机器视觉与智能控制重点实验室(批准号:2023B04)资助项目 

主　　题：S-Learner方法 T-Learner方法 条件平均处理效应 模型平均 贪婪算法 

摘      要：如何正确识别干预或者处理的因果效应是当前医学和流行病学研究中最热门的问题之一.现有的方法主要集中在单一模型下估计条件平均处理效应CATE (conditional average treatment effect),忽略了模型的不确定性.本文提出基于S-Learner方法和T-Learner方法的Q-折交叉验证greedy (贪婪)模型平均方法估计CATE.方法上,将预测因子按其重要性进行排序,然后分割排序后预测因子建立不同的候选模型,通过加权平均所有候选模型估计CATE.理论上,本文证明所提出的模型平均方法所得权重的渐近最优性和相合性.数值模拟和实证分析的结果表明,基于S-Learner方法和T-Learner方法的模型平均方法在估计CATE上相比S-Learner方法、T-Learner方法、因果提高方法和因果多元自适应回归样条方法具有一定的优势.