論文の概要: Causal Inference under Outcome-Based Sampling with Monotonicity
Assumptions
- arxiv url: http://arxiv.org/abs/2004.08318v4
- Date: Fri, 5 Nov 2021 15:37:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 13:42:52.004753
- Title: Causal Inference under Outcome-Based Sampling with Monotonicity
Assumptions
- Title(参考訳): 単調性推定によるアウトカムベースサンプリングにおける因果推論
- Authors: Sung Jae Jun and Sokbae Lee
- Abstract要約: ケースコントロールとケースポピュレーションサンプリングによる因果推論について検討した。
強い無知性は、必ずしもランダムサンプリングのときほど強力ではないことを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study causal inference under case-control and case-population sampling.
For this purpose, we focus on the binary-outcome and binary-treatment case,
where the parameters of interest are causal relative and attributable risk
defined via the potential outcome framework. It is shown that strong
ignorability is not always as powerful as it is under random sampling and that
certain monotonicity assumptions yield comparable results in terms of sharp
identified intervals. Specifically, the usual odds ratio is shown to be a sharp
identified upper bound on causal relative risk under the monotone treatment
response and monotone treatment selection assumptions. We then discuss
averaging the conditional (log) odds ratio and propose an algorithm for
semiparametrically efficient estimation when averaging is based only on the
(conditional) distributions of the covariates that are identified in the data.
We also offer algorithms for causal inference if the true population
distribution of the covariates is desirable for aggregation. We show the
usefulness of our approach by studying two empirical examples from social
sciences: the benefit of attending private school for entering a prestigious
university in Pakistan and the causal relationship between staying in school
and getting involved with drug-trafficking gangs in Brazil.
- Abstract(参考訳): ケースコントロールとケースポピュレーションサンプリングによる因果推論について検討した。
この目的のために、我々は、関心のパラメータが因果関係であり、潜在的な結果フレームワークを通じて定義される帰結可能なリスクであるバイナリ-アウトカムとバイナリ-トリートメントのケースに焦点を当てます。
強い無知性はランダムサンプリング下では必ずしも強力ではないことが示され、特定の単調性仮定は鋭く識別された間隔の点で同等の結果をもたらす。
特に、通常オッズ比は、単調治療反応および単調治療選択仮定の下で因果関係リスクの鋭い上限であることが示される。
次に条件付きオッズ比の平均化について検討し,データに同定された共変量の(条件付き)分布のみに基づく場合の半パラメトリック効率な推定アルゴリズムを提案する。
また,共変量の真の分布が集約に望ましい場合,因果推論のためのアルゴリズムも提供する。
本研究では,パキスタンの高名な大学に入学するための私立学校への入学のメリットと,ブラジルの薬物密売ギャングとの因果関係について,社会科学からの経験的事例を2つ研究することによって,アプローチの有用性を示す。
関連論文リスト
- Accounting for Missing Covariates in Heterogeneous Treatment Estimation [17.09751619857397]
生態学的推論に基づく新しい部分的識別戦略を導入する。
私たちのフレームワークは、他の方法では不可能であるよりもずっと厳密な境界を生成できることを示します。
論文 参考訳(メタデータ) (2024-10-21T05:47:07Z) - Causal Inference from Text: Unveiling Interactions between Variables [20.677407402398405]
既存の方法は、治療と結果の両方に影響を及ぼす共変量しか説明できない。
このバイアスは、衝突しない共変量について十分に考慮されていないことから生じる。
本研究では,変数間の相互作用を明らかにすることにより,バイアスを軽減することを目的とする。
論文 参考訳(メタデータ) (2023-11-09T11:29:44Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳(メタデータ) (2023-06-01T10:51:58Z) - Learning from a Biased Sample [3.546358664345473]
本稿では,テスト分布のファミリーで発生する最悪のリスクを最小限に抑える決定ルールの学習方法を提案する。
本研究では,健康調査データからメンタルヘルススコアの予測を行うケーススタディにおいて,提案手法を実証的に検証した。
論文 参考訳(メタデータ) (2022-09-05T04:19:16Z) - The role of the geometric mean in case-control studies [4.38301148531795]
結果依存サンプリングにおいて、幾何オッズ比を部分的に同定し、推定し、推測する方法を述べる。
提案した推定器は効率的な影響関数に基づいており、したがって2つの頑健な特性を持つ。
論文 参考訳(メタデータ) (2022-07-19T01:42:52Z) - Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。
ABCIは因果関係のモデルと関心のクエリを共同で推論する。
我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文 参考訳(メタデータ) (2022-06-04T22:38:57Z) - BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。
BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
論文 参考訳(メタデータ) (2022-06-03T16:25:48Z) - 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) - Violations of locality and free choice are equivalent resources in Bell
experiments [0.0]
ベルの不等式は、リアリズム、局所性、自由選択という3つの基本的な仮定に基づいている。
我々は、ある仮定が、他の仮定があらゆるコストで保たれるように緩和する必要がある範囲について検討する。
異なる性格にもかかわらず、どちらの仮定も等しくコストがかかることを示す。
論文 参考訳(メタデータ) (2021-05-19T10:04:38Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳(メタデータ) (2020-09-12T20:37:33Z) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳(メタデータ) (2020-02-29T22:41:21Z)
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。