論文の概要: Multiply Robust Causal Mediation Analysis with Continuous Treatments
- arxiv url: http://arxiv.org/abs/2105.09254v1
- Date: Wed, 19 May 2021 16:58:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-20 15:17:12.383155
- Title: Multiply Robust Causal Mediation Analysis with Continuous Treatments
- Title(参考訳): 連続治療による多元的因果調停分析
- Authors: AmirEmad Ghassami, Numair Sani, Yizhen Xu, Ilya Shpitser
- Abstract要約: Tchetgen Tchetgen と Shpitser (2012) の影響関数に基づく推定器を拡張し、スムーズなアプローチを用いて継続的な治療に対処する。
提案手法では,対象パラメータよりも遅い速度で推定できる高次元ニュアンスパラメータが可能である。
- 参考スコア(独自算出の注目度): 17.992080702243953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In many applications, researchers are interested in the direct and indirect
causal effects of an intervention on an outcome of interest. Mediation analysis
offers a rigorous framework for the identification and estimation of such
causal quantities. In the case of binary treatment, efficient estimators for
the direct and indirect effects are derived by Tchetgen Tchetgen and Shpitser
(2012). These estimators are based on influence functions and possess desirable
multiple robustness properties. However, they are not readily applicable when
treatments are continuous, which is the case in several settings, such as drug
dosage in medical applications. In this work, we extend the influence
function-based estimator of Tchetgen Tchetgen and Shpitser (2012) to deal with
continuous treatments by utilizing a kernel smoothing approach. We first
demonstrate that our proposed estimator preserves the multiple robustness
property of the estimator in Tchetgen Tchetgen and Shpitser (2012). Then we
show that under certain mild regularity conditions, our estimator is
asymptotically normal. Our estimation scheme allows for high-dimensional
nuisance parameters that can be estimated at slower rates than the target
parameter. Additionally, we utilize cross-fitting, which allows for weaker
smoothness requirements for the nuisance functions.
- Abstract(参考訳): 多くの応用において、研究者は関心の結果に対する介入の直接的および間接的因果効果に興味を持っている。
メディエーション分析は、そのような因果量の同定と推定のための厳密な枠組みを提供する。
二項処理の場合、直接的および間接的効果の効率的な推定は、Tchetgen Tchetgen and Shpitser (2012) によって導かれる。
これらの推定子は影響関数に基づいており、望ましい多重ロバスト性を持つ。
しかし、治療が継続している場合には簡単には適用できないため、医薬品の服用などいくつかの場面で用いられる。
本研究では,tchetgen tchetgen と shpitser (2012) の影響関数に基づく推定器を拡張し,カーネル平滑化アプローチを用いて連続処理を行う。
まず,提案する推定器は,tchetgen tchetgen and shpitser (2012) における推定器の多重ロバスト性を維持していることを示す。
そして、一定の穏やかな正規性条件下では、推定器は漸近的に正常であることを示す。
提案手法では,対象パラメータよりも遅い速度で推定できる高次元ニュアンスパラメータが可能である。
さらに, ニュアサンス関数に対するスムース性要件の弱化を可能にするクロスフィッティングを利用する。
関連論文リスト
- Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。
オラクル形式は影響関数の一貫した近似であることを示す。
次に、平均二乗誤差の観点から総合収束解析を行う。
論文 参考訳(メタデータ) (2023-09-22T12:18:53Z) - Doubly Robust Estimation of Direct and Indirect Quantile Treatment
Effects with Machine Learning [0.0]
本稿では, 直接的および間接的量子的処理効果の機械学習推定器を提案する。
提案手法は,確率結果の累積分布関数の効率的なスコア関数に基づく。
また,統計的推測のための乗算器ブートストラップを提案し,乗算器の有効性を示す。
論文 参考訳(メタデータ) (2023-07-03T14:27:15Z) - Identification and multiply robust estimation in causal mediation
analysis with treatment noncompliance [8.148027560648641]
本研究は, 排除制限を伴わない治療非コンプライアンスの有無で, 因果仲裁を評価するための半パラメトリックな枠組みについて考察する。
本研究では, 主媒介効果推定のための効率的な影響関数を導出し, 推定のための乗算ロバストな推定器のセットを動機づける。
論文 参考訳(メタデータ) (2023-04-20T00:39:20Z) - On Undersmoothing and Sample Splitting for Estimating a Doubly Robust
Functional [0.0]
二つの頑健な非パラメトリック関数に対する最小値速度最適推定器を構築することの問題点を考察する。
ミニマックス速度最適推定器は通常、プラグインとワンステップ型推定器の高次偏差補正によって構築される。
論文 参考訳(メタデータ) (2022-12-30T18:17:06Z) - 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) - Nonparametric inverse probability weighted estimators based on the
highly adaptive lasso [0.966840768820136]
非パラメトリック逆確率重み付き推定器は非効率であり、次元性の呪いに苦しむことが知られている。
高度適応型ラッソのアンダースムーシングにより重み付け機構を推定する非パラメトリック逆確率重み付き推定器のクラスを提案する。
我々の開発は、大規模統計モデルと様々な問題設定における効率的な逆確率重み付き推定器の構築に幅広い意味を持つ。
論文 参考訳(メタデータ) (2020-05-22T17:49:46Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z) - Support recovery and sup-norm convergence rates for sparse pivotal
estimation [79.13844065776928]
高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。
非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
論文 参考訳(メタデータ) (2020-01-15T16:11:04Z)
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。