論文の概要: Many Proxy Controls
- arxiv url: http://arxiv.org/abs/2110.03973v1
- Date: Fri, 8 Oct 2021 08:47:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 22:37:08.401651
- Title: Many Proxy Controls
- Title（参考訳）: 多くのプロキシコントロール
- Authors: Ben Deaner
- Abstract要約: 私たちは、多くのプロキシコントロールと、おそらく多くの共同設立者を持つ線形モデルを検討します。
鍵となる洞察は、各プロキシの群が共起因子の数よりも厳密に大きいなら、ニュアンスパラメータの行列は低ランク構造を持つということである。
推定する自由パラメータの数を減らし、ランク制限とスパーシリティを活用できることが示される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A recent literature considers causal inference using noisy proxies for
unobserved confounding factors. The proxies are divided into two sets that are
independent conditional on the confounders. One set of proxies are `negative
control treatments' and the other are `negative control outcomes'. Existing
work applies to low-dimensional settings with a fixed number of proxies and
confounders. In this work we consider linear models with many proxy controls
and possibly many confounders. A key insight is that if each group of proxies
is strictly larger than the number of confounding factors, then a matrix of
nuisance parameters has a low-rank structure and a vector of nuisance
parameters has a sparse structure. We can exploit the rank-restriction and
sparsity to reduce the number of free parameters to be estimated. The number of
unobserved confounders is not known a priori but we show that it is identified,
and we apply penalization methods to adapt to this quantity. We provide an
estimator with a closed-form as well as a doubly-robust estimator that must be
evaluated using numerical methods. We provide conditions under which our
doubly-robust estimator is uniformly root-$n$ consistent, asymptotically
centered normal, and our suggested confidence intervals have asymptotically
correct coverage. We provide simulation evidence that our methods achieve
better performance than existing approaches in high dimensions, particularly
when the number of proxies is substantially larger than the number of
confounders.
- Abstract（参考訳）: 最近の文献ではノイズプロキシを用いた因果推論について検討している。
プロキシは、共同創設者の独立条件である2つのセットに分けられる。
1組のプロキシは「負の制御処理」、もう1組は「負の制御結果」である。
既存の作業は、一定数のプロキシと共同設立者による低次元設定に適用される。
この作業では、多くのプロキシコントロールとおそらく多くの共同創設者を持つ線形モデルを検討する。
重要な洞察は、各プロキシの群が共起因子の数よりも厳密に大きい場合、ニュアンスパラメータの行列は低ランク構造を持ち、ニュアンスパラメータのベクトルはスパース構造を持つということである。
ランク制限とスパーシリティを利用して、推定される自由パラメータの数を削減できる。
未確認の共同設立者の数は事前に分かっていないが、特定されていることを示し、この量に適応するために罰則を適用する。
閉じた形を持つ推定器と二重ロバスト推定器を提供し,数値的な評価を行う必要がある。
我々は,2倍ロバスト推定器が一様ルート一貫性を持ち,漸近中心の正規値であり,提案する信頼区間が漸近的に正しい範囲を持つ条件を提供する。
我々は,提案手法が既存の手法よりも高い次元で,特にプロキシ数が共同設立者数よりもかなり大きい場合に,高い性能が得られることを示すシミュレーション証拠を提供する。
関連論文リスト
- Estimation and Inference for Causal Functions with Multiway Clustered Data [6.988496457312806]
本稿では,一般的な因果関数のクラスに対する推定法と一様推論法を提案する。
因果関数は、調整された(Neyman-orthogonal)信号の条件付き期待値として同定される。
提案手法をアフリカにおける水準と歴史的奴隷貿易の因果関係の分析に適用する。
論文 参考訳（メタデータ） (2024-09-10T17:17:53Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Counterfactual Conservative Q Learning for Offline Multi-agent
Reinforcement Learning [54.788422270960496]
我々はCounterFactual conservative Q-Learning (CFCQL) という新しいマルチエージェントオフラインRLアルゴリズムを提案する。
CFCQLは、各エージェントの保守的正規化を非現実的に別々に計算し、それらを線形に組み合わせて全体的な保守的価値推定を実現する。
単一エージェントの保守的手法のように, まだ過小評価特性と性能保証を享受していることが証明されているが, 誘導正規化と安全な政策改善境界はエージェント番号とは無関係である。
論文 参考訳（メタデータ） (2023-09-22T08:10:25Z) - Ensemble linear interpolators: The role of ensembling [5.135730286836428]
補間器は不安定であり、例えば mininum $ell$ norm least square interpolator はノイズの多いデータを扱う際にテストエラーを示す。
本研究では,アンサンブルの安定性について検討し,個々の補間器のサンプル外予測リスクによって測定されたアンサンブルの非有界性能を向上する。
論文 参考訳（メタデータ） (2023-09-06T20:38:04Z) - Mining the Factor Zoo: Estimation of Latent Factor Models with
Sufficient Proxies [29.737081616352913]
我々は2つのアプローチを潜在因子モデル推定にブリッジすることを提案する。
我々は、潜在因子モデルの推定を堅牢で、柔軟で、統計的により正確にする。
ボーナスとして、要素数の増加も認められている。
論文 参考訳（メタデータ） (2022-12-25T03:10:44Z) - On Regret-optimal Cooperative Nonstochastic Multi-armed Bandits [7.23389716633927]
我々は,FTRLアルゴリズムが,下界を一定要素に整合した個々の後悔の上界を有することを示す。
また、エッジ遅延パラメータによるスケーリングに関して、適切な正規化器を持つFTRLアルゴリズムが最適であることを示す。
論文 参考訳（メタデータ） (2022-11-30T16:46:41Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳（メタデータ） (2022-02-09T06:05:05Z) - Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach [84.29777236590674]
すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
論文 参考訳（メタデータ） (2021-03-25T17:59:19Z) - Minimax Off-Policy Evaluation for Multi-Armed Bandits [58.7013651350436]
有界報酬を用いたマルチアームバンディットモデルにおけるオフポリシー評価の問題点について検討する。
3つの設定でミニマックスレート・オプティマティックな手順を開発。
論文 参考訳（メタデータ） (2021-01-19T18:55:29Z) - Statistically Robust, Risk-Averse Best Arm Identification in Multi-Armed
Bandits [4.760079434948198]
このようなパラメトリック情報を利用する特殊なアルゴリズムは、パラメータが誤って特定された場合、不整合学習性能が高いことを示す。
主な貢献は, (i) 固定予算純探索条件下で統計的に堅牢なMABアルゴリズムの基本的な性能限界を確立すること, (ii) 二つの近似アルゴリズムのクラスを提案することである。
論文 参考訳（メタデータ） (2020-08-28T13:43:12Z) - Lower bounds in multiple testing: A framework based on derandomized
proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。
これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文 参考訳（メタデータ） (2020-05-07T19:59:51Z)
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。