Neue Übersicht: Konforme Inferenzverfahren für Schätzung von Behandlungseffekten
Die Schätzung von Behandlungseffekten ist entscheidend für fundierte Entscheidungen in Bereichen wie Gesundheit, Wirtschaft und öffentlicher Politik. Flexible Machine‑Learning‑Modelle werden häufig eingesetzt, um heterogene Effekte zu bestimmen, doch die Unsicherheit ihrer Punktvorhersagen bleibt ein Problem.
Durch die jüngsten Fortschritte im Bereich der konformen Vorhersage lassen sich diese Unsicherheiten nun effizient quantifizieren. Konforme Verfahren ermöglichen kostengünstige Berechnungen, sind robust gegenüber Verteilungsverschiebungen und garantieren gleichzeitig frequentistische, endliche Abdeckungsraten unter minimalen Annahmen für beliebige Vorhersagemodelle.
In einer systematischen Übersicht wurden elf Schlüsselforschungen ausgewählt und analysiert, um den aktuellen Stand der Technik zu beleuchten. Basierend auf diesen Erkenntnissen werden zukünftige Forschungsrichtungen vorgeschlagen, um die Anwendung konformer Inferenzverfahren in hochriskanten Entscheidungsumgebungen weiter zu verbessern.