論文の概要: Nested Nonparametric Instrumental Variable Regression

• arxiv url: http://arxiv.org/abs/2112.14249v4
• Date: Fri, 30 May 2025 16:07:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-03 18:39:35.391932
• Title: Nested Nonparametric Instrumental Variable Regression
• Title（参考訳）: Nested Nonparametric Instrumental Variable Regression
• Authors: Isaac Meza, Rahul Singh,
• Abstract要約: ショートパネルデータモデルにおけるいくつかの因果パラメータは、ネストされた非パラメトリックインスツルメンタル変数回帰(ネステッドNPIV)の機能である 最近の例では、アクセシブ、時間変化、およびプロキシ変数を用いて識別される長期的な治療効果がある。 ネストしたNPIVに対する平均平方レートと、最近同定された因果パラメータに対する効率的な推論を提供する。
• 参考スコア（独自算出の注目度）: 2.2984209387877628
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Several causal parameters in short panel data models are functionals of a nested nonparametric instrumental variable regression (nested NPIV). Recent examples include mediated, time varying, and long term treatment effects identified using proxy variables. In econometrics, examples arise in triangular simultaneous equations and hedonic price systems. However, it appears that explicit mean square convergence rates for nested NPIV are unknown, preventing inference on some of these parameters with generic machine learning. A major challenge is compounding ill posedness due to the nested inverse problems. To limit how ill posedness compounds, we introduce two techniques: relative well posedness, and multiple robustness to ill posedness. With these techniques, we provide explicit mean square rates for nested NPIV and efficient inference for recently identified causal parameters. Our nonasymptotic analysis accommodates neural networks, random forests, and reproducing kernel Hilbert spaces. It extends to causal functions, e.g. heterogeneous long term treatment effects.
• Abstract（参考訳）: ショートパネルデータモデルにおけるいくつかの因果パラメータは、ネストされた非パラメトリックな機器変数回帰(ネステッドNPIV)の機能である。 最近の例では、アクセシブ、時間変化、およびプロキシ変数を用いて識別される長期的な治療効果がある。 エコノメトリでは、三角形の同時方程式やヘドニックな価格体系に例が現れる。 しかし、ネストされたNPIVの平均2乗収束率は不明であり、汎用機械学習によるこれらのパラメータの推測を妨げている。 大きな課題は、ネストされた逆問題のために不適切な姿勢を複合することである。 本研究は, 相対的ウェルポッドネスと多重ロバストネスの2つの手法を導入する。 これらの手法により、ネストしたNPIVに対する平均平方レートと、最近同定された因果パラメータに対する効率的な推論を提供する。 我々の漸近解析は、ニューラルネットワーク、ランダムな森林、および再現されたカーネルヒルベルト空間に対応している。 因果的機能、例えば不均一な長期治療効果に拡張する。

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)
• Estimating long-term causal effects from short-term experiments and long-term observational data with unobserved confounding [5.854757988966379]
  実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。 我々の長期因果効果推定器は、回帰残差と短期実験結果を組み合わせることで得られる。
  論文  参考訳（メタデータ） (2023-02-21T12:22:47Z)
• Inference on Time Series Nonparametric Conditional Moment Restrictions Using General Sieves [4.065100518793487]
  本稿では,時系列データの予測推定に基づく一般非線形シーブ準類似度比(GN-QLR)について考察する。 推定関数の正規性は函数空間の未知のリース表現に依存するが、最適に重み付けられたGN-QLR統計量はChi-二乗分布であることを示す。
  論文  参考訳（メタデータ） (2022-12-31T01:44:17Z)
• Partial Identification of Treatment Effects with Implicit Generative Models [20.711877803169134]
  暗黙的生成モデルを用いた一般的な因果グラフにおける平均治療効果(ATE)の部分的同定法を提案する。 線形構造因果モデルにおいて,我々のアルゴリズムは ATE 上の厳密な境界に収束することを示す。
  論文  参考訳（メタデータ） (2022-10-14T22:18:00Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
  本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。 本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
  論文  参考訳（メタデータ） (2022-08-17T13:38:31Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Multiply Robust Causal Mediation Analysis with Continuous Treatments [12.196869756333797]
  Tchetgen Tchetgen と Shpitser の影響関数に基づく推定器 (2012) に触発された継続的治療の設定に適した推定器を提案する。 提案手法はクロスフィッティングを用いて,ニュアンス関数の滑らかさ要件を緩和し,対象パラメータよりも遅い速度で推定できるようにする。
  論文  参考訳（メタデータ） (2021-05-19T16:58:57Z)
• 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)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)

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。