py-why/dowhy

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

Ouverte

#336 ouverte le 19 nov. 2021

Voir sur GitHubGuide contributeur
 (6 commentaires) (0 réaction) (0 personne assignée)Python (883 forks)batch import
good first issue

Métriques du dépôt

Stars
 (6 453 étoiles)
Métriques de merge PR
 (Merge moyen 10j 22h) (43 PRs mergées en 30 j)

Description

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

Guide contributeur

Direction de recherche
Étudiez l'article de référence sur le calcul des erreurs types pour les termes d'interaction, puis implémentez une fonction pour calculer l'intervalle de confiance asymptotique pour l'ATE en utilisant la méthode delta pour la régression linéaire avec modificateurs d'effet dans DoWhy.
Stack technique
python
Domaine
datamachine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonLinear RegressionCausal Inference
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
40