11:07arXiv cs.AI@Anay Mehrotra, Phuc Tran, Van H. Vu, Manolis Zampetakis该研究提出了一种新的矩阵补全方法,用于估计异质性治疗效果(即干预对每个个体的不同影响),而非仅平均效果。在面板数据中,数据被表示为所有单元-时间治疗效果的矩阵,问题转化为矩阵补全。现有方法仅能提供平均治疗效果的保证,而该研究给出了一种计算高效的估计器,在未知倾向性和标准低秩假设下,实现了行方向上的ℓ2误差为Õ(√(1/n + n/m²))。技术上,该分析首次建立了低秩近似的行方向ℓ2扰动界,补充了现有谱、Frobenius和逐元素扰动理论。论文因果推断矩阵补全异质性治疗效果低秩近似面板数据推荐理由:做因果推断或面板数据分析的研究者值得关注——这项研究解决了异质性治疗效果估计中行级误差保证的难题,提供了更精确的理论工具,可以直接用于改进现有估计方法。原文