基于倾向性拼凑克里金法的可扩展异质治疗效果推断

本文解决了基于高斯过程的模型在因果推断中估计异质治疗效果（HTE）的计算限制问题。它提出了一种新方法，即倾向性拼凑克里金法，该方法利用倾向性得分来划分数据并应用拼凑克里金法。这种方法旨在通过沿倾向性得分维度施加连续性约束来提高可扩展性，同时保持HTE估计的准确性。该方法提供了分层的平滑扩展，使其成为HTE估计的有效方法。

• •解决了高斯过程模型在HTE估计中的计算挑战。
• •引入了Propensity Patchwork Kriging，一种用于可扩展HTE估计的新方法。
• •利用倾向性得分进行数据分区和连续性强制。
• •提供了分层的平滑扩展，用于高效的HTE估计。