論文の概要: Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach
- arxiv url: http://arxiv.org/abs/2103.14029v2
- Date: Mon, 29 Mar 2021 00:23:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 11:42:45.327749
- Title: Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach
- Title（参考訳）: 負の制御による不測値の因果推論:ミニマックス学習アプローチ
- Authors: Nathan Kallus, Xiaojie Mao, Masatoshi Uehara
- Abstract要約: すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
- 参考スコア（独自算出の注目度）: 84.29777236590674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the estimation of causal parameters when not all confounders are
observed and instead negative controls are available. Recent work has shown how
these can enable identification and efficient estimation via two so-called
bridge functions. In this paper, we tackle the primary challenge to causal
inference using negative controls: the identification and estimation of these
bridge functions. Previous work has relied on uniqueness and completeness
assumptions on these functions that may be implausible in practice and also
focused on their parametric estimation. Instead, we provide a new
identification strategy that avoids both uniqueness and completeness. And, we
provide a new estimators for these functions based on minimax learning
formulations. These estimators accommodate general function classes such as
reproducing Hilbert spaces and neural networks. We study finite-sample
convergence results both for estimating bridge function themselves and for the
final estimation of the causal parameter. We do this under a variety of
combinations of assumptions that include realizability and closedness
conditions on the hypothesis and critic classes employed in the minimax
estimator. Depending on how much we are willing to assume, we obtain different
convergence rates. In some cases, we show the estimate for the causal parameter
may converge even when our bridge function estimators do not converge to any
valid bridge function. And, in other cases, we show we can obtain
semiparametric efficiency.
- Abstract（参考訳）: 我々は,すべての共同創設者が観察されるのではなく,負の制御が利用できる場合に,因果パラメータの推定を行う。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
本稿では,これらの橋梁関数の同定と推定という,負の制御を用いた因果推論における主な課題に取り組む。
それまでの研究は、これらの関数の特異性と完全性の仮定に頼っていたが、実際は理解できないかもしれないし、パラメトリック推定にも焦点が当てられている。
代わりに、ユニークさと完全性の両方を避ける新しい識別戦略を提供する。
そして,ミニマックス学習の定式化に基づくこれらの関数の新しい推定器を提案する。
これらの推定器はヒルベルト空間やニューラルネットワークの再現のような一般関数クラスに対応している。
橋梁関数自体の推定と因果パラメータの最終的な推定について有限サンプル収束結果について検討した。
我々はこれを、ミニマックス推定器で用いられる仮説と批判クラスにおける実現可能性や閉化条件を含む様々な仮定の組み合わせの下で行う。
どれだけの確率を想定するかによって異なる収束率が得られる。
いくつかのケースでは、橋梁関数推定器が有効な橋梁関数に収束しない場合でも、因果パラメータの推定値が収束する可能性がある。
また,他の場合においても半パラメトリック効率が得られることを示す。
関連論文リスト
- Estimation and Inference for Causal Functions with Multiway Clustered Data [6.988496457312806]
本稿では,一般的な因果関数のクラスに対する推定法と一様推論法を提案する。
因果関数は、調整された(Neyman-orthogonal)信号の条件付き期待値として同定される。
提案手法をアフリカにおける水準と歴史的奴隷貿易の因果関係の分析に適用する。
論文 参考訳（メタデータ） (2024-09-10T17:17:53Z) - Adaptive Ensemble Q-learning: Minimizing Estimation Bias via Error
Feedback [31.115084475673793]
アンサンブル法はQ-ラーニングにおける過大評価問題を緩和するための有望な方法である。
推定バイアスはアンサンブルサイズに大きく依存していることが知られている。
本研究では, (a) アンサンブルサイズを柔軟に制御するためのフィードバックとなる近似誤差特性と, (b) 推定バイアスを最小化するためのアンサンブルサイズ適応の2つの重要なステップを考案する。
論文 参考訳（メタデータ） (2023-06-20T22:06:14Z) - On High dimensional Poisson models with measurement error: hypothesis
testing for nonlinear nonconvex optimization [13.369004892264146]
我々は高次元の回帰モデルの推定と検証を行い、データ解析に広く応用する。
ペナル化された一貫性を最小化することで回帰パラメータを推定する。
提案手法はアルツハイマー病イニシアチブに適用される。
論文 参考訳（メタデータ） (2022-12-31T06:58:42Z) - 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) - Inference on Strongly Identified Functionals of Weakly Identified
Functions [71.42652863687117]
本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。
本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
論文 参考訳（メタデータ） (2022-08-17T13:38:31Z) - What's the Harm? Sharp Bounds on the Fraction Negatively Affected by
Treatment [58.442274475425144]
我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。
シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
論文 参考訳（メタデータ） (2022-05-20T17:36:33Z) - A Minimax Learning Approach to Off-Policy Evaluation in Partially
Observable Markov Decision Processes [31.215206208622728]
部分観測可能なマルコフ決定過程(POMDP)におけるオフ・ポリティクス評価(OPE)の検討
既存の手法は、計測されていない共同創設者の存在における大きなバイアスや、連続的あるいは大規模な観測/状態空間の設定における大きなばらつきに悩まされる。
提案手法は,POMDPにおいて,目的ポリシー値と観測データ分布をリンクするブリッジ関数を導入することで,提案手法を提案する。
論文 参考訳（メタデータ） (2021-11-12T15:52:24Z) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-11T03:38:16Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳（メタデータ） (2021-04-12T18:50:11Z) - Minimax Kernel Machine Learning for a Class of Doubly Robust Functionals [16.768606469968113]
もともと導入された二重頑健なモーメント関数のクラスを考える(Robins et al., 2008)。
このモーメント関数は、ニュアンス関数の推定方程式の構築に使用できることを実証する。
ニュアンス関数の収束速度は、統計学習理論の現代的な手法を用いて解析される。
論文 参考訳（メタデータ） (2021-04-07T05:52:15Z)
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。