《异构观测数据中的联合因果推理》美国艾莫利大学、微软、约翰霍普金斯大学、哈佛大学、斯坦福大学等联合发表最新论文63页PDF

摘要

分析来自多个来源的观察数据有助于提高统计功效以检测效果；但是，隐私考虑等实际限制可能会限制跨数据集的个人级信息共享。本文开发了仅利用来自异构数据集的摘要级信息的联合方法。我们的联合方法提供了处理效果的双重稳健点估计以及方差估计。我们推导出联合估计量的渐近分布，这些分布与组合的个体级数据中的相应估计量渐近等效。我们表明，为了实现这些属性，应该根据模型是否正确详细说明以及跨异构数据集是否稳定等条件来调整联合方法。

这项研究得到了微软研究院、美海军研究办公室拨款（N00014-19-1-2468）和 美国DARPA L2M 计划（FA8650-18-2-7834）的支持。

图 2：联合最大似然估计器和方差的流程图