論文の概要: Efficient Adaptive Experimental Design for Average Treatment Effect Estimation

• arxiv url: http://arxiv.org/abs/2002.05308v7
• Date: Thu, 20 Feb 2025 16:32:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 12:49:55.704954
• Title: Efficient Adaptive Experimental Design for Average Treatment Effect Estimation
• Title（参考訳）: 平均処理効果推定のための効率的な適応的実験設計法
• Authors: Masahiro Kato, Takuya Ishihara, Junya Honda, Yusuke Narita,
• Abstract要約: 適応実験を用いて平均治療効果(ATE)を効率的に推定する方法を検討する。 適応実験において、実験者は過去のデータに基づいて治療確率を更新しながら、順次実験単位に治療を割り当てる。 提案した設計の任意のラウンドで有効である非パラメトリックおよび非漸近信頼区間を開発する。
• 参考スコア（独自算出の注目度）: 20.361745967568154
• License:
• Abstract: We study how to efficiently estimate average treatment effects (ATEs) using adaptive experiments. In adaptive experiments, experimenters sequentially assign treatments to experimental units while updating treatment assignment probabilities based on past data. We start by defining the efficient treatment-assignment probability, which minimizes the semiparametric efficiency bound for ATE estimation. Our proposed experimental design estimates and uses the efficient treatment-assignment probability to assign treatments. At the end of the proposed design, the experimenter estimates the ATE using a newly proposed Adaptive Augmented Inverse Probability Weighting (A2IPW) estimator. We show that the asymptotic variance of the A2IPW estimator using data from the proposed design achieves the minimized semiparametric efficiency bound. We also analyze the estimator's finite-sample properties and develop nonparametric and nonasymptotic confidence intervals that are valid at any round of the proposed design. These anytime valid confidence intervals allow us to conduct rate-optimal sequential hypothesis testing, allowing for early stopping and reducing necessary sample size.
• Abstract（参考訳）: 適応実験を用いて平均治療効果(ATE)を効率的に推定する方法を検討する。 適応実験において、実験者は過去のデータに基づいて処理割り当て確率を更新しながら、順次実験単位に処理を割り当てる。 まず、ATE推定のための半パラメトリック効率を最小化する効率的な処理割り当て確率を定義する。 提案手法は, 効率的な治療割り当て確率を推定し, 治療の割り当てに利用する。 提案設計の最後に,新たに提案したAdaptive Augmented Inverse Probability Weighting (A2IPW) 推定器を用いてATEを推定する。 提案した設計データを用いたA2IPW推定器の漸近変動は, 半パラメトリック効率の最小化を実現することを示す。 また、推定器の有限サンプル特性を分析し、提案した設計の任意のラウンドで有効である非パラメトリックおよび非漸近信頼区間を開発する。 これらの妥当な信頼区間は、速度最適シーケンシャル仮説テストの実行を可能にし、必要なサンプルサイズの早期停止と削減を可能にします。

関連論文リスト

• Prediction-Guided Active Experiments [18.494123886098215]
  予測誘導能動実験(PGAE)のための新しいフレームワークについて紹介する。 PGAEは、既存の機械学習モデルからの予測を活用して、サンプリングと実験をガイドする。 我々は、PGAEが効率的であり続け、一定の正則性仮定の下で同じ半パラメトリック境界を得ることを示す。
  論文  参考訳（メタデータ） (2024-11-18T20:16:24Z)
• Optimal Adaptive Experimental Design for Estimating Treatment Effect [14.088972921434761]
  本稿では,治療効果を推定する際の最適精度を決定するための基本的な問題に対処する。 二重ロバストな手法の概念を逐次実験設計に取り入れることで、最適推定問題をオンラインバンディット学習問題としてモデル化する。 本稿では,バンディットアルゴリズム設計と適応統計的推定の両方のツールとアイデアを用いて,一般的な低スイッチング適応実験フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-07T23:22:51Z)
• Adaptive-TMLE for the Average Treatment Effect based on Randomized Controlled Trial Augmented with Real-World Data [0.0]
  ランダム化制御試験(RCT)データと外部実世界のデータ(RWD)の両方が利用可能である場合、平均処理効果(ATE)を推定する問題を考察する。 適応型最大推定フレームワークを導入して推定する。
  論文  参考訳（メタデータ） (2024-05-12T07:10:26Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [55.17761802332469]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices [7.21848268647674]
  本研究では,平均治療効果(ATE)を効率的に推定するための適応実験を設計する。 適応実験の各ラウンドでは、実験者が実験ユニットをサンプリングし、治療を割り当て、その結果を直ちに観察する。 実験の最後に、実験者は収集されたサンプルを用いてATEを推定する。
  論文  参考訳（メタデータ） (2024-03-06T10:24:44Z)
• Efficient adjustment for complex covariates: Gaining efficiency with DOPE [56.537164957672715]
  共変量によって表現される情報のサブセットを調整可能なフレームワークを提案する。 理論的な結果に基づいて,平均処理効果(ATE)の効率的な評価を目的とした,デバイアスドアウトカム適応確率推定器(DOPE)を提案する。 その結果,DOPE は様々な観測環境において ATE 推定のための効率的かつ堅牢な手法を提供することがわかった。
  論文  参考訳（メタデータ） (2024-02-20T13:02:51Z)
• Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
  RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。 本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。 我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
  論文  参考訳（メタデータ） (2023-12-05T02:38:04Z)
• Scalable method for Bayesian experimental design without integrating over posterior distribution [0.0]
  実験問題のA-最適ベイズ設計における計算効率について検討する。 A-最適性はベイズの実験設計に広く用いられ、容易に解釈できる基準である。 本研究は, A-Optimal 実験設計における新しい可能性のないアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:40:43Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。