An evolutionary algorithm for subset selection in causal inference models
An evolutionary algorithm for subset selection in causal inference models
复制标题
因果推理模型中子集选择的进化算法
DOI：
10.1057/s41274-017-0258-8
复制
发表时间：
2018
影响因子：
3.6
通讯作者：
Tam Cho, Wendy K.
中科院分区：
文献类型：
--
作者：
Tam Cho, Wendy K.
所有学科的研究人员都希望确定因果关系。随机实验设计隔离治疗效果，从而允许因果推论。然而，实验往往是禁止的，因为资源可能不可用或研究问题可能不适合实验设计。在这种情况下，研究人员只能分析观测数据。为了从观测数据中做出因果推论，必须对数据进行调整，使其类似于可能从实验中得出的数据。数据调整可以通过子集选择程序进行，以确定统计上无法区分的实验组和对照组。确定最优子集是一个具有挑战性的问题，但也是一个强大的工具。在运筹学解决方案的进步是更有效的，并确定经验更优的解决方案比其他提出的算法。计算框架不会取代现有的匹配算法（例如，倾向评分模型），而是进一步使所有因果推理模型能够识别更多的假定随机组。
Researchers in all disciplines desire to identify causal relationships. Randomized experimental designs isolate the treatment effect and thus permit causal inferences. However, experiments are often prohibitive because resources may be unavailable or the research question may not lend itself to an experimental design. In these cases, a researcher is relegated to analyzing observational data. To make causal inferences from observational data, one must adjust the data so that they resemble data that might have emerged from an experiment. The data adjustment can proceed through a subset selection procedure to identify treatment and control groups that are statistically indistinguishable. Identifying optimal subsets is a challenging problem but a powerful tool. An advance in an operations research solution that is more efficient and identifies empirically more optimal solutions than other proposed algorithms is presented. The computational framework does not replace existing matching algorithms (e.g., propensity score models) but rather further enables and augments the ability of all causal inference models to identify more putatively randomized groups.
登录
查看更多内容
一种进行因果推断的优化方法
影响因子：
1.5
作者：
Wendy K. Tam Cho;Jason J. Sauppe;Alexander G. Nikolaev;S. Jacobson;E. Sewell
通讯作者：
E. Sewell
DOI：
--
发表时间：
1990
期刊：
Controlled Clinical Trials
影响因子：
--
作者：
C. Begg
通讯作者：
C. Begg
平衡优化子集选择（BOSS）：利用观察数据进行因果推理的替代方法
DOI：
10.1287/opre.1120.1118
发表时间：
2013
期刊：
Oper. Res.
影响因子：
--
作者：
Alexander G. Nikolaev;S. Jacobson;W. Cho;Jason J. Sauppe;E. Sewell
通讯作者：
E. Sewell
影响因子：
2
作者：
Raab, GM;Butcher, I
通讯作者：
Butcher, I