論文の概要: Generalized Kernel Ridge Regression for Long Term Causal Inference:
Treatment Effects, Dose Responses, and Counterfactual Distributions
- arxiv url: http://arxiv.org/abs/2201.05139v1
- Date: Thu, 13 Jan 2022 18:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-14 16:19:05.281694
- Title: Generalized Kernel Ridge Regression for Long Term Causal Inference:
Treatment Effects, Dose Responses, and Counterfactual Distributions
- Title（参考訳）: 長期因果推論のための一般的なカーネルリッジ回帰:治療効果, 線量応答, および対物分布
- Authors: Rahul Singh
- Abstract要約: 治療効果, 線量反応, および反事実分布の推定器を提案する。
長期的な治療効果については、$sqrtn$一貫性、ガウス近似、半パラメトリック効率を証明します。
長期投与に対する反応については,有限試料率と均一な一致を示した。
- 参考スコア（独自算出の注目度）: 6.441975792340023
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: I propose kernel ridge regression estimators for long term causal inference,
where a short term experimental data set containing randomized treatment and
short term surrogates is fused with a long term observational data set
containing short term surrogates and long term outcomes. I propose estimators
of treatment effects, dose responses, and counterfactual distributions with
closed form solutions in terms of kernel matrix operations. I allow covariates,
treatment, and surrogates to be discrete or continuous, and low, high, or
infinite dimensional. For long term treatment effects, I prove $\sqrt{n}$
consistency, Gaussian approximation, and semiparametric efficiency. For long
term dose responses, I prove uniform consistency with finite sample rates. For
long term counterfactual distributions, I prove convergence in distribution.
- Abstract（参考訳）: そこで, ランダム化処理と短期サロゲートを含む短期実験データセットと, 短期サロゲートと長期結果を含む長期観察データセットとを融合させた, 長期因果推論のためのカーネルリッジ回帰推定器を提案する。
本稿では, カーネル行列演算による処理効果, 線量応答, および閉形式解を用いた反ファクト分布の推定器を提案する。
共変量、処理、サロゲートを離散的、連続的、低、高、無限次元とすることを許す。
長期的な治療効果については、$\sqrt{n}$一貫性、ガウス近似、半パラメトリック効率を証明します。
長期線量反応では,有限サンプルレートと均一な一貫性が証明される。
長期的な反実分布については、分布の収束を証明します。
関連論文リスト
- Estimating Long-term Heterogeneous Dose-response Curve: Generalization Bound Leveraging Optimal Transport Weights [23.602196005738676]
多くのアプリケーションにおいて、因果効果の長期推定は重要な問題であるが難しい問題である。
既存の手法は、長期的な平均効果を推定するために理想的な仮定に依存している。
論文 参考訳（メタデータ） (2024-06-27T14:13:46Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Non-asymptotic Convergence of Discrete-time Diffusion Models: New Approach and Improved Rate [49.97755400231656]
我々はDT拡散過程下での分布のかなり大きなクラスに対する収束保証を確立する。
次に、明示的なパラメータ依存を持つ分布の多くの興味深いクラスに結果を専門化します。
そこで本研究では,新しい加速型サンプリング器を提案し,対応する正則サンプリング器の収束率を,全てのシステムパラメータに対して桁違いに向上することを示す。
論文 参考訳（メタデータ） (2024-02-21T16:11:47Z) - Symmetric Mean-field Langevin Dynamics for Distributional Minimax
Problems [78.96969465641024]
平均場ランゲヴィンのダイナミクスを、対称で証明可能な収束した更新で、初めて確率分布に対する最小の最適化に拡張する。
また,時間と粒子の離散化機構について検討し,カオス結果の新たな均一時間伝播を証明した。
論文 参考訳（メタデータ） (2023-12-02T13:01:29Z) - Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。
本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。
また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
論文 参考訳（メタデータ） (2023-06-01T09:39:32Z) - Kernel-based off-policy estimation without overlap: Instance optimality
beyond semiparametric efficiency [53.90687548731265]
本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。
任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
論文 参考訳（メタデータ） (2023-01-16T02:57:37Z) - Predicting conditional probability distributions of redshifts of Active
Galactic Nuclei using Hierarchical Correlation Reconstruction [0.8702432681310399]
本稿では,条件付き確率分布を安価に予測するために階層的相関再構成(HCR)手法を適用する。
我々は解釈可能なモデルを得る:条件付きモーメントに対する特徴の寄与を記述する係数を持つ。
本稿では、特にCCA(Canonical correlation Analysis)を用いて特徴最適化とl1"lasso"正規化を行う。
論文 参考訳（メタデータ） (2022-06-13T14:28:53Z) - Generalized Kernel Ridge Regression for Causal Inference with
Missing-at-Random Sample Selection [3.398662563413433]
非パラメトリック線量応答曲線と半パラメトリック処理効果に対するカーネルリッジ回帰推定器を提案する。
離散処理の場合,ルートnの整合性,ガウス近似,半パラメトリック効率を証明した。
論文 参考訳（メタデータ） (2021-11-09T17:10:49Z) - Sequential Kernel Embedding for Mediated and Time-Varying Dose Response
Curves [26.880628841819004]
本稿では,カーネルリッジ回帰に基づく媒介および時間変化量応答曲線に対する簡易な非パラメトリック推定器を提案する。
我々の重要な革新は、シーケンシャルカーネル埋め込みと呼ばれるヒルベルト空間の再現技術である。
論文 参考訳（メタデータ） (2021-11-06T19:51:39Z) - DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting
Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。
DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
論文 参考訳（メタデータ） (2020-10-28T15:05:08Z)
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。