論文の概要: Synthetic Design: An Optimization Approach to Experimental Design with
Synthetic Controls
- arxiv url: http://arxiv.org/abs/2112.00278v1
- Date: Wed, 1 Dec 2021 05:05:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 01:52:12.083656
- Title: Synthetic Design: An Optimization Approach to Experimental Design with
Synthetic Controls
- Title（参考訳）: 合成設計: 合成制御による実験設計への最適化アプローチ
- Authors: Nick Doudchenko, Khashayar Khosravi, Jean Pouget-Abadie, Sebastien
Lahaie, Miles Lubin, Vahab Mirrokni, Jann Spiess, Guido Imbens
- Abstract要約: 本研究では,前処理結果データを用いた実験結果の最適設計について検討する。
平均処理効果は、処理単位の重み付き平均結果と制御単位との差として推定される。
重みと合わせて処理単位の集合を選択する方法をいくつか提案する。
- 参考スコア（独自算出の注目度）: 5.3063411515511065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate the optimal design of experimental studies that have
pre-treatment outcome data available. The average treatment effect is estimated
as the difference between the weighted average outcomes of the treated and
control units. A number of commonly used approaches fit this formulation,
including the difference-in-means estimator and a variety of synthetic-control
techniques. We propose several methods for choosing the set of treated units in
conjunction with the weights. Observing the NP-hardness of the problem, we
introduce a mixed-integer programming formulation which selects both the
treatment and control sets and unit weightings. We prove that these proposed
approaches lead to qualitatively different experimental units being selected
for treatment. We use simulations based on publicly available data from the US
Bureau of Labor Statistics that show improvements in terms of mean squared
error and statistical power when compared to simple and commonly used
alternatives such as randomized trials.
- Abstract（参考訳）: 本稿では,前処理結果データが得られる実験研究の最適設計について検討する。
平均処理効果は、処理単位の重み付き平均結果と制御単位との差として推定される。
この定式化によく用いられる手法には、差分推定法や様々な合成制御法などがある。
重みと合わせて処理単位の集合を選択する方法をいくつか提案する。
問題のnp難易度を観察し,処理と制御セットと単位重み付けの両方を選択する混合整数計画法を提案する。
これらのアプローチにより, 定性的に異なる実験単位が選択されることが証明された。
我々は、米国労働統計局の公開データに基づくシミュレーションを用いて、ランダム化試行のような単純で一般的な代替手段と比較して平均二乗誤差と統計力の改善を示す。
関連論文リスト
- Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。
本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。
我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文 参考訳（メタデータ） (2023-12-05T02:38:04Z) - Comparison of Methods that Combine Multiple Randomized Trials to
Estimate Heterogeneous Treatment Effects [0.1398098625978622]
複数のランダム化制御試験を活用することで、データセットと未確立の処理割り当ての組み合わせが可能になる。
本稿では,複数試行データを用いて不均一な治療効果を推定するための非パラメトリックなアプローチについて述べる。
論文 参考訳（メタデータ） (2023-03-28T20:43:00Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - Synthetic Principal Component Design: Fast Covariate Balancing with
Synthetic Controls [16.449993388646277]
我々は,グローバル収束的で実用的な最適化アルゴリズムを開発した。
我々は,あるデータ生成プロセスから前処理データをサンプリングする場合に,実験設計のための最初のグローバルな最適性保証を確立する。
論文 参考訳（メタデータ） (2022-11-28T11:45:54Z) - Weighting-Based Treatment Effect Estimation via Distribution Learning [14.438302755258547]
本研究では,処理効果推定のための分布学習に基づく重み付け手法を開発した。
提案手法は,最先端の重み付けのみのベンチマーク手法よりも優れている。
2倍のロス率推定フレームワークの下では、その優位性を維持している。
論文 参考訳（メタデータ） (2020-12-26T20:15:44Z) - Double machine learning for sample selection models [0.12891210250935145]
本稿では,サンプル選択や帰属によるサブポピュレーションに対してのみ結果が観察される場合の個別分散処理の評価について考察する。
a)Neyman-orthogonal, Duubly robust, and efficient score function, which suggests the robustness of treatment effect Estimation to moderate regularization biases in the machine learning based Estimation of the outcome, treatment, or sample selection model and (b) sample splitting ( or cross-fitting) to prevent overfitting bias。
論文 参考訳（メタデータ） (2020-11-30T19:40:21Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳（メタデータ） (2020-08-10T09:42:59Z) - Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。
近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。
我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文 参考訳（メタデータ） (2020-07-21T19:31:41Z) - Almost-Matching-Exactly for Treatment Effect Estimation under Network
Interference [73.23326654892963]
本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。
本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
論文 参考訳（メタデータ） (2020-03-02T15:21:20Z) - Efficient Adaptive Experimental Design for Average Treatment Effect
Estimation [18.027128141189355]
本研究では, 依存サンプルから構築した推定器を用いた効率的な実験法を提案する。
提案手法を正当化するために,有限および無限サンプル解析を行う。
論文 参考訳（メタデータ） (2020-02-13T02:04:17Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。