---
title: "时间依赖下因果效应的双重稳健自适应共形推断"
source: "arXiv AI/CL/LG（论文）"
source_tier: "t2"
url: "https://arxiv.org/abs/2606.30500v1"
permalink: "https://feed.astralor.com/items/itm_ef8edfe2da4ad2ab5ef4f348"
published: "2026-06-29T16:03:39.000Z"
score: 48
channel: "tech"
tags: ["共形推断","双重稳健估计","因果推断","时间序列分析","自适应推断"]
---

# 时间依赖下因果效应的双重稳健自适应共形推断

## 速览

本研究提出双重稳健自适应共形推断（DR-ACI）方法，用于在时间依赖数据中为双重稳健伪结果构建预测区间。该方法结合了双重稳健估计和自适应共形推断的优势，能够有效处理时间序列中的结构化依赖，为因果效应提供具有有限样本覆盖保证的区间估计。实验验证了该方法在多种时间依赖场景下的稳健性和有效性。

## 关键点

- 提出了DR-ACI方法，融合双重稳健估计与自适应共形推断，适用于时间依赖数据
- 为因果效应提供有限样本覆盖保证的预测区间，无需额外模型假设
- 在合成和真实时间序列数据上验证了方法的有效性和稳健性

## 全文

We propose doubly robust adaptive conformal inference (DR-ACI), which constructs prediction intervals for doubly robust pseudo-outcomes under temporal dependence.

---

引用前请核对原文;本文由星际流动整理:https://feed.astralor.com/items/itm_ef8edfe2da4ad2ab5ef4f348