論文の概要: Assessing the Impact of COVID-19 on Trade: a Machine Learning
Counterfactual Analysis
- arxiv url: http://arxiv.org/abs/2104.04570v1
- Date: Fri, 9 Apr 2021 19:00:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:46:35.264574
- Title: Assessing the Impact of COVID-19 on Trade: a Machine Learning
Counterfactual Analysis
- Title(参考訳): 新型コロナウイルスが貿易に与える影響を評価する: 機械学習の対実分析
- Authors: Marco Due\~nas and V\'ictor Ortiz and Massimo Riccaboni and Francesco
Serti
- Abstract要約: 本稿では、企業の取引状況予測における異なる機械学習(ml)手法の有効性を検討する最初の試みである。
私たちは、2つの異なるシナリオの下で輸出市場で生き残るコロンビアの企業の可能性に焦点を当てています:COVID-19の設定と非COVID-19の反事実の状況。
- 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: By interpreting exporters' dynamics as a complex learning process, this paper
constitutes the first attempt to investigate the effectiveness of different
Machine Learning (ML) techniques in predicting firms' trade status. We focus on
the probability of Colombian firms surviving in the export market under two
different scenarios: a COVID-19 setting and a non-COVID-19 counterfactual
situation. By comparing the resulting predictions, we estimate the individual
treatment effect of the COVID-19 shock on firms' outcomes. Finally, we use
recursive partitioning methods to identify subgroups with differential
treatment effects. We find that, besides the temporal dimension, the main
factors predicting treatment heterogeneity are interactions between firm size
and industry.
- Abstract(参考訳): 本論文は、輸出業者のダイナミクスを複雑な学習プロセスとして解釈することにより、企業の取引状況予測における異なる機械学習(ml)技術の有効性を検討する最初の試みである。
我々は、新型コロナウイルスの設定と非現実的な状況という2つの異なるシナリオの下で、輸出市場で生き残るコロンビア企業の可能性に焦点を当てる。
その結果を比較した結果,covid-19ショックの個別治療効果が企業業績に与える影響を推定した。
最後に, 再帰的パーティショニング法を用いて, 異なる治療効果を有するサブグループを同定する。
時間的次元の他に、治療の不均一性を予測する主な要因は、ファームサイズと産業間の相互作用である。
関連論文リスト
- 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) - Treatment Effect Estimation with Unmeasured Confounders in Data Fusion [28.91058949447124]
未測定の共同創設者の存在下では,データ融合による治療効果推定の問題に対処する。
未測定の共同設立者やデータ融合によるバイアスに対処するため,観測データを複数のグループに分割することを提案する。
グループインジケータをLatGIV(Latent Group Instrumental Variable)として明示的にモデル化し、IVベースの回帰を実装する。
論文 参考訳(メタデータ) (2022-08-23T12:44:27Z) - DRFLM: Distributionally Robust Federated Learning with Inter-client
Noise via Local Mixup [58.894901088797376]
連合学習は、生データをリークすることなく、複数の組織のデータを使用してグローバルモデルをトレーニングするための有望なアプローチとして登場した。
上記の2つの課題を同時に解決するための一般的な枠組みを提案する。
我々は、ロバストネス解析、収束解析、一般化能力を含む包括的理論的解析を提供する。
論文 参考訳(メタデータ) (2022-04-16T08:08:29Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳(メタデータ) (2021-10-26T20:13:17Z) - On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。
この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
論文 参考訳(メタデータ) (2021-06-07T16:30:46Z) - Targeted VAE: Variational and Targeted Learning for Causal Inference [39.351088248776435]
観測データによる因果推論は、幅広いタスクで非常に有用である。
観察データを用いた因果推論の実施には,2つの重要な課題がある。
構造化推論とターゲット学習を組み合わせることで、これらの2つの課題に対処する。
論文 参考訳(メタデータ) (2020-09-28T16:55:24Z) - Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with
Latent Confounders [62.54431888432302]
無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。
我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
論文 参考訳(メタデータ) (2020-07-27T22:19:01Z) - 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) - Impact studies of nationwide measures COVID-19 anti-pandemic:
compartmental model and machine learning [0.0]
全国的な新型コロナウイルス対策の効果について検討する。
パンデミックの進展を予測するために、2つの機械学習ツールを使用します。
論文 参考訳(メタデータ) (2020-05-17T23:23:38Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳(メタデータ) (2020-01-21T10:16:33Z)
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。