論文の概要: Causal Bias Quantification for Continuous Treatment
- arxiv url: http://arxiv.org/abs/2106.09762v1
- Date: Thu, 17 Jun 2021 18:44:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 03:38:10.604394
- Title: Causal Bias Quantification for Continuous Treatment
- Title(参考訳): 連続治療のための因果バイアス定量化
- Authors: Gianluca Detommaso, Michael Br\"uckner, Philip Schulz, Victor
Chernozhukov
- Abstract要約: 本研究では, 連続処理環境における限界因果効果と因果バイアスの新たな評価法を開発した。
条件付き確率分布に対する期待として表現できることを示す。
期待項の全ての項は、高度に非線形なモデルに対しても自動微分によって計算できる。
- 参考スコア(独自算出の注目度): 5.6968018940343885
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we develop a novel characterization of marginal causal effect
and causal bias in the continuous treatment setting. We show they can be
expressed as an expectation with respect to a conditional probability
distribution, which can be estimated via standard statistical and probabilistic
methods. All terms in the expectations can be computed via automatic
differentiation, also for highly non-linear models. We further develop a new
complete criterion for identifiability of causal effects via covariate
adjustment, showing the bias equals zero if the criterion is met. We study the
effectiveness of our framework in three different scenarios: linear models
under confounding, overcontrol and endogenous selection bias; a non-linear
model where full identifiability cannot be achieved because of missing data; a
simulated medical study of statins and atherosclerotic cardiovascular disease.
- Abstract(参考訳): 本研究では, 連続処理環境における限界因果効果と因果バイアスの新たな評価法を開発した。
条件付き確率分布に対する期待として表現できることを示し, 標準統計的・確率論的手法を用いて推定できることを示した。
期待の全ての項は、高度に非線形なモデルに対しても自動微分によって計算できる。
さらに,共変量調整による因果効果の識別性に関する新たな完全基準を開発し,基準が満たされた場合にはバイアスがゼロとなることを示した。
コンバウンディング,オーバーコントロール,内因性選択バイアスの線形モデル,データ不足による完全識別性が達成できない非線形モデル,スタチンと動脈硬化性心血管疾患のシミュレーション医学的研究,の3つのシナリオでフレームワークの有効性を検討した。
関連論文リスト
- Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Identifiability Guarantees for Causal Disentanglement from Soft
Interventions [26.435199501882806]
因果解離は因果モデルを通して相互に関係する潜伏変数を用いてデータの表現を明らかにすることを目的としている。
本稿では,各介入が潜伏変数のメカニズムを変えることにより,未ペアの観測データと介入データが利用可能となるシナリオに焦点を当てる。
因果変数が完全に観測されると、忠実性の仮定の下で因果モデルを特定するために統計的に一貫したアルゴリズムが開発された。
論文 参考訳(メタデータ) (2023-07-12T15:39:39Z) - User-defined Event Sampling and Uncertainty Quantification in Diffusion
Models for Physical Dynamical Systems [49.75149094527068]
拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。
本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。
推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
論文 参考訳(メタデータ) (2023-06-13T03:42:03Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳(メタデータ) (2023-06-01T10:51:58Z) - Counterfactual Generative Models for Time-Varying Treatments [15.208067770012283]
公衆衛生・臨床科学における意思決定には, 治療の非現実的な結果の推定が不可欠である。
そこで本研究では, 時間変化処理下で, 反実例を生成できる新しい条件生成フレームワークを提案する。
合成データと実世界のデータの両方を用いて,本手法の徹底的な評価を行う。
論文 参考訳(メタデータ) (2023-05-25T05:45:53Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳(メタデータ) (2022-11-09T14:48:13Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳(メタデータ) (2022-06-16T17:15:15Z) - Modeling High-Dimensional Data with Unknown Cut Points: A Fusion
Penalized Logistic Threshold Regression [2.520538806201793]
従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。
我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。
糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
論文 参考訳(メタデータ) (2022-02-17T04:16:40Z) - Uncertainty estimation under model misspecification in neural network
regression [3.2622301272834524]
モデル選択が不確実性評価に与える影響について検討する。
モデルミスセグメンテーションでは,アレータリック不確実性は適切に捉えられていない。
論文 参考訳(メタデータ) (2021-11-23T10:18:41Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - Uncertainty-Gated Stochastic Sequential Model for EHR Mortality
Prediction [6.170898159041278]
本稿では,欠落変数の分布を推定し,隠れ状態の更新を行い,院内死亡の可能性を予測できる新しい変動再帰ネットワークを提案する。
我々のモデルは、これらの手順を1つのストリームで実行し、エンドツーエンドで全てのネットワークパラメータを共同で学習できることは注目に値する。
論文 参考訳(メタデータ) (2020-03-02T04:41:28Z)
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。