研究人员开发了一种新颖的联邦学习（FL）方法，用于从去中心化观察数据中进行因果推断。该方法通过交换聚合统计数据而非个体级别数据来估计平均处理效应（ATE），解决了隐私和后勤限制。所提出的技术利用本地倾向得分的联邦加权平均，使得能够使用标准的FL算法进行灵活估计，并与元分析方法相比，在站点级别违反正性假设时，提高了数据重叠度。 AI
影响 能够从分布式数据集中进行隐私保护的因果推断，有可能推动在数据敏感或孤立的领域的研究。
排序理由 这是一篇详细介绍使用联邦学习进行因果推断的新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →