Covariate Balancing for Causal Inference with Categorical and Continuous Treatments
연구 내용
범주형 및 연속형 처치에서 공변량 밸런싱 전략을 이용해 inverse probability weighting 기반 준모수 인과효과를 추정하는 연구
범주형·연속형 처치에서 처치 할당 모형과 결과 모형의 결합을 공변량 밸런싱(균형 조건)으로 구현하여 inverse probability weighting 기반 가중치 추정을 수행합니다. 모형이 부분적으로 잘못 지정되거나 결과의 기저 선택이 충족되는 조건에서 일치성과 점근정규성을 보장하는 이론을 전개하고, 특히 범주형 처치에서는 준모수 효율 하한까지 도달하는 구조를 분석합니다. 연속형 처치에서는 처치 용량에 대한 인과량을 함수로 정식화하고 비모수적 비율을 반영한 편의·분산 거동을 함께 규명합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 단계에서는 범주형·연속형 처치 상황을 통합적으로 다루는 공변량 밸런싱 설계를 제안하고, inverse probability weighting 관점에서 일치성과 점근정규성 조건을 정리했습니다. 이후 이 접근을 더 정교화하여 범주형 처치와 연속형 처치 각각에 대해 준모수 효율성과 실제 데이터 적용에서의 안정성을 확장했습니다. 최근에는 범주형 처리에서는 효율 하한 도달 성질을 강조하고, 연속형 처리에서는 처치 용량 효과를 함수 형태로 해석하는 방향으로 연구를 지속하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Covariate balancing for causal inference on categorical and continuous treatments
Covariate balancing for causal inference on categorical and continuous treatments