Inference on Variable Importance for Treatment Effect Heterogeneity: Shapley Values and Beyond
AI总结 本文提出了一种用于评估处理效应异质性中变量重要性的推断框架,特别适用于医疗等高风险领域,以辅助决策者减少对黑箱算法的依赖。该方法基于局部变量重要性度量,同时进行全局推断,检验某变量是否对任何个体具有重要影响,并结合了函数型参数的半参数理论,适用于使用统计机器学习方法估计处理效应异质性的场景。研究还展示了该方法在传染病预防策略中的应用价值。
Comments 41 pages, 8 figures, v1 was called "Inference on Local Variable Importance Measures for Heterogeneous Treatment Effects"