論文の概要: Causal inference with imperfect instrumental variables

• arxiv url: http://arxiv.org/abs/2111.03029v1
• Date: Thu, 4 Nov 2021 17:34:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-05 16:12:36.071415
• Title: Causal inference with imperfect instrumental variables
• Title（参考訳）: 不完全な楽器変数による因果推論
• Authors: Nikolai Miklin, Mariami Gachechiladze, George Moreno, Rafael Chaves
• Abstract要約: 本研究では,楽器の不等式と測定量の最小化の関係について検討した。 これにより、バイナリ結果を持つ機器シナリオに対する平均因果効果に対する既存のおよび新しい下位境界の適応が可能となる。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Instrumental variables allow for quantification of cause and effect relationships even in the absence of interventions. To achieve this, a number of causal assumptions must be met, the most important of which is the independence assumption, which states that the instrument and any confounding factor must be independent. However, if this independence condition is not met, can we still work with imperfect instrumental variables? Imperfect instruments can manifest themselves by violations of the instrumental inequalities that constrain the set of correlations in the scenario. In this paper, we establish a quantitative relationship between such violations of instrumental inequalities and the minimal amount of measurement dependence required to explain them. As a result, we provide adapted inequalities that are valid in the presence of a relaxed measurement dependence assumption in the instrumental scenario. This allows for the adaptation of existing and new lower bounds on the average causal effect for instrumental scenarios with binary outcomes. Finally, we discuss our findings in the context of quantum mechanics.
• Abstract（参考訳）: 機器変数は介入がなくても原因と効果の関係の定量化を可能にする。 これを達成するには、多くの因果関係の仮定を満たさなければならないが、その中で最も重要なのは独立性の仮定であり、楽器とあらゆる因果関係は独立でなければならない。 しかし、もしこの独立条件が満たされなければ、まだ不完全なインストゥルメンタル変数で作業できるのだろうか? 不完全な楽器は、シナリオ内の相関のセットを制限する機器の不平等の違反によって、自分自身を示すことができる。 本稿では,そのような機器の不等式違反と,それらの説明に必要な測定依存性の最小値との定量的関係を確立する。 その結果,機器シナリオにおける緩和測定依存性仮定の存在下で有効な適応的不等式が得られた。 これにより、バイナリ結果を持つ機器シナリオに対する平均因果効果に対する既存のおよび新しい下位境界の適応が可能となる。 最後に、量子力学の文脈における我々の発見について議論する。

関連論文リスト

• 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)
• Interventional Causal Representation Learning [75.18055152115586]
  因果表現学習は、低レベルの感覚データから高レベルの潜伏因子を抽出しようとする。 介入データは因果表現学習を促進するか? 介入データは、しばしば潜伏因子の支援の幾何学的シグネチャを持つことを示す。
  論文  参考訳（メタデータ） (2022-09-24T04:59:03Z)
• Exploiting Independent Instruments: Identification and Distribution Generalization [3.701112941066256]
  我々は、より高い瞬間を考慮に入れ、分布一般化の独立性を利用する。 提案した推定器は楽器の分布シフトに不変であることを示す。 これらの結果は、楽器が因果関数を識別するのに十分な豊かでない場合においても成り立つ。
  論文  参考訳（メタデータ） (2022-02-03T21:49:04Z)
• BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
  本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。 本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-07T10:14:18Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• Correlations constrained by composite measurements [1.539147548025619]
  自然界における許容可能な相関の集合をどう理解するかは、量子論の基礎の中核における際立ったオープンな問題である。 理論が合成測度を示すことを要求すると、その状態と効果の集合の構造に制約の階層が課されることを示す。 特に、ある状況では、この仮定が驚くほど強い結果をもたらすことが示される。
  論文  参考訳（メタデータ） (2020-09-10T17:05:19Z)
• Estimating Causal Effects with the Neural Autoregressive Density Estimator [6.59529078336196]
  我々は、Pearlのdo-calculusフレームワーク内の因果効果を推定するために、神経自己回帰密度推定器を使用する。 本手法は,変数間の相互作用を明示的にモデル化することなく,非線形システムから因果効果を抽出できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T13:12:38Z)
• Valid Causal Inference with (Some) Invalid Instruments [24.794879633855373]
  排他的仮定違反にも拘わらず、一貫したIV推定を行う方法を示す。 我々は,深層ネットワークに基づく推定器のアンサンブルを用いて条件平均処理効果を正確に推定する。
  論文  参考訳（メタデータ） (2020-06-19T21:09:26Z)
• Fairness Under Feature Exemptions: Counterfactual and Observational Measures [34.5472206536785]
  本稿では,2つの成分に相違点を分解する情報理論を提案する。 非例外成分は、臨界特徴によって説明できない部分を定量化し、例外成分は残りの格差を定量化する。 非免除格差を減らしながら、モデルを監査/トレーニングする方法を示すケーススタディを実行します。
  論文  参考訳（メタデータ） (2020-06-14T19:14:00Z)
• Distributing entanglement with separable states: assessment of encoding and decoding imperfections [55.41644538483948]
  絡み合いは、常に関連する他のシステムと分離可能なキャリアを使って分散することができる。 不完全なユニタリ相互作用と協調して作用する不整合力学の影響を考察する。 絡み合いの利得は、相当な単元誤差があっても可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-11T15:25:19Z)

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。