研究者提出预测驱动的RCT与观测数据融合框架估计处理效应

Yonghan Jung 与 Shu Yang 在 arXiv 发布论文，提出一种预测驱动的数据融合框架，在不对方差观测数据（OBS）施加特殊假设的前提下，将小规模随机对照试验（RCT）与大规模 OBS 融合。据论文称，该框架在保留 RCT 估计无偏性的同时，借力大样本 OBS 提升估计精度。 基于该框架，作者构建了带闭式权重和置信区间的平均处理效应估计器 AIPW-Fusion，以及两个条件平均处理效应（CATE）学习器 DR-Fusion 和 R-Fusion，并通过实验验证了方法的有效性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。