論文の概要: Causal Inference in Possibly Nonlinear Factor Models

• arxiv url: http://arxiv.org/abs/2008.13651v3
• Date: Wed, 13 Oct 2021 13:42:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 07:36:15.303797
• Title: Causal Inference in Possibly Nonlinear Factor Models
• Title（参考訳）: 非線形因子モデルにおける因果推論
• Authors: Yingjie Feng
• Abstract要約: そこで本研究では, ノイズ測定による治療効果モデルに対する一般的な因果推定法を開発した。 主ビルディングブロックは局所主部分空間近似であり、$K$-nearest 隣人マッチングと主成分分析を組み合わせたものである。 結果は、金融機関の株価リターンに政治的つながりが及ぼす影響を研究する実証的なアプリケーションで示される。
• 参考スコア（独自算出の注目度）: 2.0305676256390934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper develops a general causal inference method for treatment effects models with noisily measured confounders. The key feature is that a large set of noisy measurements are linked with the underlying latent confounders through an unknown, possibly nonlinear factor structure. The main building block is a local principal subspace approximation procedure that combines $K$-nearest neighbors matching and principal component analysis. Estimators of many causal parameters, including average treatment effects and counterfactual distributions, are constructed based on doubly-robust score functions. Large-sample properties of these estimators are established, which only require relatively mild conditions on the principal subspace approximation. The results are illustrated with an empirical application studying the effect of political connections on stock returns of financial firms, and a Monte Carlo experiment. The main technical and methodological results regarding the general local principal subspace approximation method may be of independent interest.
• Abstract（参考訳）: 本稿では, 治療効果モデルに対する汎用因果推論法について検討する。 重要な特徴は、大きなノイズ測定セットが、未知の、おそらくは非線形な因子構造を通じて、潜在的な共同設立者と結びついている点である。 メインビルディングブロックは、$k$-nearest近傍マッチングと主成分分析を組み合わせた局所主部分空間近似手順である。 平均処理効果や反事実分布を含む多くの因果パラメータの推定は,2倍のロバストスコア関数に基づいて構成される。 これらの推定器の大きなサンプル特性が確立され、主部分空間近似に対して比較的穏やかな条件を必要とする。 この結果は、金融企業の株価リターンに対する政治的つながりの効果とモンテカルロの実験に関する実証的な応用によって示される。 一般局所主部分空間近似法に関する主要な技術的および方法論的な結果は、独立な関心を持つかもしれない。

関連論文リスト

• Bayesian Causal Inference with Gaussian Process Networks [1.7188280334580197]
  本稿では,ガウス過程ネットワークモデルにおける仮説的介入の効果のベイズ推定の問題について考察する。 本稿では,ネットワーク全体の介入の効果をシミュレートし,下流変数に対する介入の効果を伝播させることにより,GPNに対する因果推論を行う方法について述べる。 両フレームワークを既知の因果グラフのケースを超えて拡張し,マルコフ連鎖モンテカルロ法による因果構造の不確実性を取り入れた。
  論文  参考訳（メタデータ） (2024-02-01T14:39:59Z)
• On the Consistency of Maximum Likelihood Estimation of Probabilistic Principal Component Analysis [1.0528389538549636]
  PPCAは科学や工学から定量的ファイナンスまで幅広い分野の応用がある。 様々な分野に適用可能であるにもかかわらず、このモデルに対する最大可能性(ML)解の健全性を正当化する理論的な保証はほとんど存在しない。 商位相空間を用いた新しいアプローチを提案し、特に、最大極大解が適切な商ユークリッド空間において一貫したことを示す。
  論文  参考訳（メタデータ） (2023-11-08T22:40:45Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Do algorithms and barriers for sparse principal component analysis extend to other structured settings? [9.339550283840769]
  スパイクされたウィッシュアートモデルに基づく主成分分析問題について検討する。 問題インスタンスの幾何学に依存する基本的な限界を確立する。 自然射影パワー法は,解の統計的に最適に近い近傍に局所収束を示すことを示す。
  論文  参考訳（メタデータ） (2023-07-25T14:30:00Z)
• Rank-Based Causal Discovery for Post-Nonlinear Models [2.4493299476776778]
  ポスト非線形(PNL)因果モデルは、そのような制限されたサブクラスに対して最も柔軟な選択肢の1つである。 本稿では,PNL因果探索のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-23T21:19:23Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
  我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。 干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。 このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• 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)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
  深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。 本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。 自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
  論文  参考訳（メタデータ） (2021-06-07T17:47:16Z)
• Causal Discovery with Multi-Domain LiNGAM for Latent Factors [30.9081158491659]
  我々は,潜在因子間の因果構造をすべての領域で共有する多ドメイン線形非ガウス非巡回モデル (MD-LiNA) を提案する。 提案手法は局所的に一貫した推定方法を提供する。
  論文  参考訳（メタデータ） (2020-09-19T06:44:03Z)

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。