論文の概要: Learning Treatment Effects in Panels with General Intervention Patterns
- arxiv url: http://arxiv.org/abs/2106.02780v2
- Date: Fri, 31 Mar 2023 17:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 17:56:06.841549
- Title: Learning Treatment Effects in Panels with General Intervention Patterns
- Title（参考訳）: 一般的な介入パターンを持つパネルの学習的治療効果
- Authors: Vivek F. Farias, Andrew A. Li, Tianyi Peng
- Abstract要約: パネルデータによる因果推論の問題は、中心的な計量的問題である。
合成制御パラダイムは、$Z$が1行にサポートを配置するときに$tau*$を推定するアプローチを提供する。
本稿では、このフレームワークを拡張して、一般の$Z$に対して$tau*$の利率最適回復を可能にする。
- 参考スコア（独自算出の注目度）: 8.347058637480506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem of causal inference with panel data is a central econometric
question. The following is a fundamental version of this problem: Let $M^*$ be
a low rank matrix and $E$ be a zero-mean noise matrix. For a `treatment' matrix
$Z$ with entries in $\{0,1\}$ we observe the matrix $O$ with entries $O_{ij} :=
M^*_{ij} + E_{ij} + \mathcal{T}_{ij} Z_{ij}$ where $\mathcal{T}_{ij} $ are
unknown, heterogenous treatment effects. The problem requires we estimate the
average treatment effect $\tau^* := \sum_{ij} \mathcal{T}_{ij} Z_{ij} /
\sum_{ij} Z_{ij}$. The synthetic control paradigm provides an approach to
estimating $\tau^*$ when $Z$ places support on a single row. This paper extends
that framework to allow rate-optimal recovery of $\tau^*$ for general $Z$, thus
broadly expanding its applicability. Our guarantees are the first of their type
in this general setting. Computational experiments on synthetic and real-world
data show a substantial advantage over competing estimators.
- Abstract（参考訳）: パネルデータによる因果推論の問題は、中心的な計量問題である。
M^*$ を低階行列とし、E$ を零平均雑音行列とする。
a `treatment' matrix $z$ with entry in $\{0,1\}$ については、エントリ $o_{ij} := m^*_{ij} + e_{ij} + \mathcal{t}_{ij} z_{ij}$ where $\mathcal{t}_{ij} $ が未知で不均一な治療効果を持つ行列 $o$ を観察します。
この問題は、平均的な処理効果である$\tau^* := \sum_{ij} \mathcal{t}_{ij} z_{ij} / \sum_{ij} z_{ij}$ を推定する必要がある。
合成制御パラダイムは、$z$が単一の行にサポートを置くときに$\tau^*$を推定するアプローチを提供する。
本稿では、このフレームワークを拡張して、一般の$Z$に対して$\tau^*$の利率最適回復を可能にする。
私たちの保証は、この一般的な設定で最初のタイプです。
合成および実世界のデータに対する計算実験は、競合する推定器よりもかなり有利である。
関連論文リスト
- The Communication Complexity of Approximating Matrix Rank [50.6867896228563]
この問題は通信複雑性のランダム化を$Omega(frac1kcdot n2log|mathbbF|)$とする。
アプリケーションとして、$k$パスを持つ任意のストリーミングアルゴリズムに対して、$Omega(frac1kcdot n2log|mathbbF|)$スペースローバウンドを得る。
論文 参考訳（メタデータ） (2024-10-26T06:21:42Z) - LevAttention: Time, Space, and Streaming Efficient Algorithm for Heavy Attentions [54.54897832889028]
任意の$K$に対して、$n$とは独立に「普遍集合」$Uサブセット[n]$が存在し、任意の$Q$と任意の行$i$に対して、大きな注目スコアが$A_i,j$ in row $i$ of $A$は全て$jin U$を持つことを示す。
我々は、視覚変換器のスキームの利点を実証的に示し、トレーニング中に我々の普遍的なセットを使用する新しいモデルのトレーニング方法を示した。
論文 参考訳（メタデータ） (2024-10-07T19:47:13Z) - Optimal Sketching for Residual Error Estimation for Matrix and Vector Norms [50.15964512954274]
線形スケッチを用いた行列とベクトルノルムの残差誤差推定問題について検討する。
これは、前作とほぼ同じスケッチサイズと精度で、経験的にかなり有利であることを示す。
また、スパースリカバリ問題に対して$Omega(k2/pn1-2/p)$低いバウンダリを示し、これは$mathrmpoly(log n)$ factorまで厳密である。
論文 参考訳（メタデータ） (2024-08-16T02:33:07Z) - Resampling Sensitivity of High-Dimensional PCA [7.436169208279454]
主成分分析(PCA)における再サンプリング感度の検討
我々は,PCAが入力データに敏感であることを示す。
論文 参考訳（メタデータ） (2022-12-30T03:13:04Z) - Dynamic Ranking and Translation Synchronization [3.946250592943285]
本研究では, エン翻訳同期問題の動的設定への拡張について検討する。
そこで我々は,2つの推定器を提案し,その1つはスムーズネスの最小二乗法に基づくものであり,もう1つは適切な滑らかさ演算子の低周波固有空間への射影に基づくものである。
論文 参考訳（メタデータ） (2022-07-04T14:45:12Z) - Spectral properties of sample covariance matrices arising from random
matrices with independent non identically distributed columns [50.053491972003656]
関数 $texttr(AR(z))$, for $R(z) = (frac1nXXT- zI_p)-1$ and $Ain mathcal M_p$ deterministic, have a standard deviation of order $O(|A|_* / sqrt n)$.
ここでは、$|mathbb E[R(z)] - tilde R(z)|_F を示す。
論文 参考訳（メタデータ） (2021-09-06T14:21:43Z) - Chi-square and normal inference in high-dimensional multi-task
regression [7.310043452300736]
本稿では,Multi-Task(MT)線形モデルにおける未知の係数行列$B*$サイズ$ptimes T$に対するカイ二乗法および正規手法を提案する。
論文 参考訳（メタデータ） (2021-07-16T11:19:49Z) - Sparse sketches with small inversion bias [79.77110958547695]
逆バイアスは、逆の共分散に依存する量の推定を平均化するときに生じる。
本研究では、確率行列に対する$(epsilon,delta)$-unbiased estimatorという概念に基づいて、逆バイアスを解析するためのフレームワークを開発する。
スケッチ行列 $S$ が密度が高く、すなわちサブガウスのエントリを持つとき、$(epsilon,delta)$-unbiased for $(Atop A)-1$ は $m=O(d+sqrt d/ のスケッチを持つ。
論文 参考訳（メタデータ） (2020-11-21T01:33:15Z) - The Average-Case Time Complexity of Certifying the Restricted Isometry
Property [66.65353643599899]
圧縮センシングにおいて、100万倍のN$センシング行列上の制限等尺性(RIP)はスパースベクトルの効率的な再構成を保証する。
Mtimes N$ matrices with i.d.$mathcalN(0,1/M)$ entry。
論文 参考訳（メタデータ） (2020-05-22T16:55:01Z)
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。