論文の概要: Ivy: Instrumental Variable Synthesis for Causal Inference

• arxiv url: http://arxiv.org/abs/2004.05316v1
• Date: Sat, 11 Apr 2020 06:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 10:08:25.075437
• Title: Ivy: Instrumental Variable Synthesis for Causal Inference
• Title（参考訳）: ivy:因果推論のためのインストゥルメンタル変数合成
• Authors: Zhaobin Kuang, Frederic Sala, Nimit Sohoni, Sen Wu, Aldo C\'ordova-Palomera, Jared Dunnmon, James Priest, Christopher R\'e
• Abstract要約: 遺伝疫学では、このようなアプローチはアレルスコアとして知られている。 Ivyは、相関および無効なIV候補を堅牢な方法で処理できる、IV候補を組み合わせる新しい方法である。
• 参考スコア（独自算出の注目度）: 16.754549494694164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A popular way to estimate the causal effect of a variable x on y from observational data is to use an instrumental variable (IV): a third variable z that affects y only through x. The more strongly z is associated with x, the more reliable the estimate is, but such strong IVs are difficult to find. Instead, practitioners combine more commonly available IV candidates---which are not necessarily strong, or even valid, IVs---into a single "summary" that is plugged into causal effect estimators in place of an IV. In genetic epidemiology, such approaches are known as allele scores. Allele scores require strong assumptions---independence and validity of all IV candidates---for the resulting estimate to be reliable. To relax these assumptions, we propose Ivy, a new method to combine IV candidates that can handle correlated and invalid IV candidates in a robust manner. Theoretically, we characterize this robustness, its limits, and its impact on the resulting causal estimates. Empirically, Ivy can correctly identify the directionality of known relationships and is robust against false discovery (median effect size <= 0.025) on three real-world datasets with no causal effects, while allele scores return more biased estimates (median effect size >= 0.118).
• Abstract（参考訳）: 観測データから y 上の変数 x の因果効果を推定する一般的な方法は、楽器変数 (IV) を使うことである。 z が x に関連づけられるほど、推定の信頼性は高まるが、そのような強い iv を見つけることは困難である。 代わりに、実践者はより一般的に利用可能なiv候補を-------必ずしも強く、あるいは有効なivs------を結合し、ivの代わりに因果効果推定器に差し込む単一の「要約」を挿入する。 遺伝疫学では、このようなアプローチはアリルスコアとして知られている。 alleleスコアは、信頼できる推定値のために、--iv候補の独立性と妥当性--強い仮定を必要とする。 これらの仮定を緩和するために、相関および無効なIV候補をロバストな方法で処理できる新しいIV候補の組み合わせであるIvyを提案する。 理論的には、このロバスト性、その限界、および結果の因果推定への影響を特徴づける。 経験上、ivyは既知の関係の方向性を正確に識別することができ、因果効果のない3つの実世界のデータセット上の偽発見(中間効果サイズ <= 0.025)に対して頑健であり、アリルスコアはより偏りのある推定値(中間効果サイズ >= 0.118)を返す。

関連論文リスト

• Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data [44.31792000298105]
  病状平均治療効果(CATE)の正確な予測は、パーソナライズされた医療とデジタルプラットフォーム分析において重要である。 我々は,信頼性の高いCATE推定を実現するために,IVと観測データを組み合わせた新しい手法を開発した。
  論文  参考訳（メタデータ） (2024-06-10T16:40:55Z)
• Learning Conditional Instrumental Variable Representation for Causal Effect Estimation [20.546911588972737]
  因果効果推定のための条件セットとCIVの表現を学習・拡張するための新しい手法DVAE.CIVを提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:27:15Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Discovering Ancestral Instrumental Variables for Causal Inference from Observational Data [0.0]
  測定変数(IV)は、観察データから興味の結果に対する治療の因果効果を推定するための強力なアプローチである。 既存のIV法は、IVが選択され、ドメイン知識で正当化されることを要求する。 本稿では,データから有効なIVを発見するためのデータ駆動アルゴリズムについて,軽度な仮定で検討・設計する。
  論文  参考訳（メタデータ） (2022-06-04T07:48:13Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Ancestral Instrument Method for Causal Inference without Complete Knowledge [0.0]
  観測データから因果効果を推定する主な障害は、観測不能な共起である。 条件IVは、観測変数の集合を条件付けすることで標準IVの要求を緩和するために提案されている。 本研究では,祖先IVと観測データを用いた因果効果推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-11T07:02:16Z)
• Auto IV: Counterfactual Prediction via Automatic Instrumental Variable Decomposition [21.90157954233519]
  計器変数(IV)は、観測されていない共同設立者と因果推論において重要な役割を果たす。 既存のIVベースの対実予測法では、適切に定義されたIVが必要である。 観測変数からIVの役割を果たす表現を自動的に生成する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-13T07:30:21Z)
• Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning [107.70165026669308]
  オフライン強化学習(RL)では、事前収集された観測データのみから最適なポリシーが学習される。 遷移力学が加法的非線形汎関数形式を持つようなマルコフ決定過程について検討する。 そこで本稿では,条件付きモーメント制限の原始的2次元再構成に基づく,証明可能なIVVIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-19T13:01:40Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Stable Prediction via Leveraging Seed Variable [73.9770220107874]
  従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。 本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。 我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-06-09T06:56:31Z)

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。