py-why/dowhy

Add asymptotic confidence intervals for average treatment effect for linear regression with effect modifiers

Open

#336 geöffnet am 19. Nov. 2021

Auf GitHub ansehen
 (6 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (883 Forks)batch import
good first issue

Repository-Metriken

Stars
 (6.453 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 13T 9h) (21 gemergte PRs in 30 T)

Beschreibung

Refer to #335. DoWhy defaults to bootstrap confidence interval. It will be good to implement a computationally efficient confidence interval method.

With effect modifiers, the average treatment effect is a linear combination of parameters. For example, for y=a + b1t + b2t.x1 where x1 is the effect modifier, the ATE of t on y is b1+b2.mean(x1). Both b1 and b2 coefficients are random variables and so is mean(x1), so need to compute the standard error of the combined quantity.

This is a good start, for anyone who would like to contribute: https://scholar.princeton.edu/sites/default/files/jmummolo/files/interaction_models_jm.pdf

Contributor Guide

Research-Richtung
Studieren Sie das Referenzpapier zur Berechnung von Standardfehlern für Interaktionsterme und implementieren Sie dann eine Funktion zur Berechnung des asymptotischen Konfidenzintervalls für ATE unter Verwendung der Delta Methode für lineare Regression mit Effektmodifikatoren in DoWhy.
Tech Stack
python
Domain
datamachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonLinear RegressionCausal Inference
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40