目标平均处理效应的倍加稳健联邦估计

原文约300字，阅读约需1分钟。发表于：。

提出了一种新颖的联合方法，基于多中心数据实现针对目标人群的有效因果推断。通过开发多重鲁棒的针对隐私保护的烦扰函数估计方法，我们对各个中心之间的协变量偏移和不匹配进行了调整。我们的方法融合了迁移学习，用于估计集成权重以组合来自源站点的信息。我们证明了这些学习到的权重在不同情况下是高效且最优的。相比现有方法，我们展示了我们的方法在有限样本情况下的效率和鲁棒性优势。

该文提出了一种基于多中心数据的新颖联合方法，实现针对目标人群的有效因果推断。该方法通过多重鲁棒的烦扰函数估计方法，对各个中心之间的协变量偏移和不匹配进行了调整，并融合了迁移学习。相比现有方法，该方法在有限样本情况下具有效率和鲁棒性优势。