論文の概要: Multiply Robust Causal Mediation Analysis with Continuous Treatments

• arxiv url: http://arxiv.org/abs/2105.09254v3
• Date: Sun, 06 Oct 2024 06:14:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-09 13:58:12.797145
• Title: Multiply Robust Causal Mediation Analysis with Continuous Treatments
• Title（参考訳）: 連続治療によるマルチプライロバスト因果治療解析
• Authors: Yizhen Xu, Numair Sani, AmirEmad Ghassami, Ilya Shpitser,
• Abstract要約: Tchetgen Tchetgen と Shpitser の影響関数に基づく推定器 (2012) に触発された継続的治療の設定に適した推定器を提案する。 提案手法はクロスフィッティングを用いて,ニュアンス関数の滑らかさ要件を緩和し,対象パラメータよりも遅い速度で推定できるようにする。
• 参考スコア（独自算出の注目度）: 12.196869756333797
• License:
• Abstract: In many applications, researchers are interested in the direct and indirect causal effects of a treatment or exposure on an outcome of interest. Mediation analysis offers a rigorous framework for identifying and estimating these causal effects. For binary treatments, efficient estimators for the direct and indirect effects are presented by Tchetgen Tchetgen and Shpitser (2012) based on the influence function of the parameter of interest. These estimators possess desirable properties such as multiple-robustness and asymptotic normality while allowing for slower than root-n rates of convergence for the nuisance parameters. However, in settings involving continuous treatments, these influence function-based estimators are not readily applicable without making strong parametric assumptions. In this work, utilizing a kernel-smoothing approach, we propose an estimator suitable for settings with continuous treatments inspired by the influence function-based estimator of Tchetgen Tchetgen and Shpitser (2012). Our proposed approach employs cross-fitting, relaxing the smoothness requirements on the nuisance functions and allowing them to be estimated at slower rates than the target parameter. Additionally, similar to influence function-based estimators, our proposed estimator is multiply robust and asymptotically normal, allowing for inference in settings where parametric assumptions may not be justified.
• 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治療や暴露の直接的および間接的な因果効果に興味を持っている。 メディエーション分析は、これらの因果効果を特定し、推定するための厳密なフレームワークを提供する。 二項処理では、興味パラメータの影響関数に基づいて、Tchetgen Tchetgen と Shpitser (2012) によって直接的および間接的効果の効率的な推定器が提示される。 これらの推定器は多重ロバスト性や漸近正規性などの望ましい性質を持ち、ニュアンスパラメータのルート-nの収束速度よりも遅くすることができる。 しかし、連続的な処理を含む環境では、これらの影響関数に基づく推定器は強力なパラメトリック仮定を作らなければ容易には適用できない。 本研究では、カーネル平滑化手法を用いて、Tchetgen Tchetgen and Shpitser (2012) の影響関数に基づく推定器に着想を得た連続的な処理を伴う設定に適した推定器を提案する。 提案手法はクロスフィッティングを用いて,ニュアンス関数の滑らかさ要件を緩和し,対象パラメータよりも遅い速度で推定できるようにする。 さらに, 影響関数に基づく推定器と同様に, 提案した推定器は乗算的に頑健で漸近的に正規であり, パラメトリック仮定が正当化されないような環境での推測が可能となる。

関連論文リスト

• Non-parametric efficient estimation of marginal structural models with multi-valued time-varying treatments [0.9558392439655012]
  半パラメトリック効率理論の最近の発展とともに機械学習を用いて縦断的研究を行い,そのような推定器を提案する。 提案手法は, 各時点において, 結果と治療機構が一貫した推定値である場合, 連続的に2倍強固であることを示す。
  論文  参考訳（メタデータ） (2024-09-27T14:29:12Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• C-Learner: Constrained Learning for Causal Inference and Semiparametric Statistics [5.395560682099634]
  そこで本研究では,安定なプラグイン推定を望ましい特性で実現する新しいデバイアス推定器を提案する。 我々の制約学習フレームワークは、プラグイン量に対する一階誤差がゼロであるという制約の下で、最高のプラグイン推定器を解く。 我々の推定器は、処理と制御の重複が限定された挑戦的な環境での一段階推定と目標を上回り、それ以外は比較可能である。
  論文  参考訳（メタデータ） (2024-05-15T16:38:28Z)
• Two-Stage Nuisance Function Estimation for Causal Mediation Analysis [8.288031125057524]
  媒介関数の作用関数に基づく推定器のバイアスの構造において,それらが果たす役割に基づいてニュアンス関数を推定する2段階推定手法を提案する。 本稿では,提案手法の解析と,関心パラメータの推定器の整合性と正規性に関する十分な条件について述べる。
  論文  参考訳（メタデータ） (2024-03-31T16:38:48Z)
• 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)
• 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)
• 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。