論文の概要: Policy Evaluation for Temporal and/or Spatial Dependent Experiments
- arxiv url: http://arxiv.org/abs/2202.10887v5
- Date: Sun, 3 Dec 2023 19:46:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-06 02:10:59.766027
- Title: Policy Evaluation for Temporal and/or Spatial Dependent Experiments
- Title（参考訳）: 時間的および/または空間的依存実験に対する政策評価
- Authors: Shikai Luo, Ying Yang, Chengchun Shi, Fang Yao, Jieping Ye, Hongtu Zhu
- Abstract要約: 本研究の目的は,技術系企業が実施する政策と,複雑な時間的・空間的依存実験において得られる成果の因果関係を確立することである。
本稿では,時間的・空間的依存を特徴とする状況において,時間的・時間的変動係数決定過程(VCDP)モデルを提案する。
- 参考スコア（独自算出の注目度）: 44.03746192651919
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The aim of this paper is to establish a causal link between the policies
implemented by technology companies and the outcomes they yield within
intricate temporal and/or spatial dependent experiments. We propose a novel
temporal/spatio-temporal Varying Coefficient Decision Process (VCDP) model,
capable of effectively capturing the evolving treatment effects in situations
characterized by temporal and/or spatial dependence. Our methodology
encompasses the decomposition of the Average Treatment Effect (ATE) into the
Direct Effect (DE) and the Indirect Effect (IE). We subsequently devise
comprehensive procedures for estimating and making inferences about both DE and
IE. Additionally, we provide a rigorous analysis of the statistical properties
of these procedures, such as asymptotic power. To substantiate the
effectiveness of our approach, we carry out extensive simulations and real data
analyses.
- Abstract（参考訳）: 本研究の目的は,テクノロジー企業が実施する政策とそれらの成果との因果関係を,時間的および/または空間的依存的実験で確立することである。
時間的および/または空間的依存を特徴とする状況における治療効果を効果的に捉えることができる新しい時間的/時空間的変動係数決定プロセス(vcdp)モデルを提案する。
本手法では,平均治療効果(ATE)を直接効果(DE)と間接効果(IE)に分解する。
その後,De と IE の双方を推定・推定するための包括的手順を考案した。
さらに,これらの手法の統計的性質,例えば漸近的パワーの厳密な解析を行う。
提案手法の有効性を実証するため,広範囲なシミュレーションと実データ解析を行った。
関連論文リスト
- Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。
我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
論文 参考訳（メタデータ） (2024-11-01T18:00:51Z) - A Practical Approach to Causal Inference over Time [17.660953125689105]
我々は因果介入とその時間的影響を離散時間プロセス(DSP)に定義する。
因果介入前後のDSPの平衡状態が構造因果モデル(SCM)によって把握できる条件を示す。
得られた因果VARフレームワークにより、観測時系列データから経時的に因果推論を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T13:45:20Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference [0.46052594866569146]
まず, 空間干渉の概念を, 未測定条件を仮定して拡張することで, 時間変化による治療結果に対する空間干渉の概念を拡張した。
次に、時間的因果推論のための深層学習に基づく潜在的結果モデルを提案する。
U-Netアーキテクチャのパワーを利用して、時間とともに空間的干渉を捉えながら、時間変化による干渉を低減するために潜時因子モデリングを利用する。
論文 参考訳（メタデータ） (2024-05-13T20:39:27Z) - Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment
Effect Estimation [137.3520153445413]
下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。
我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。
研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
論文 参考訳（メタデータ） (2023-07-11T02:58:10Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。
提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。
その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - 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) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Stochastic Intervention for Causal Effect Estimation [7.015556609676951]
介入効果を推定するための新しい確率スコアと介入効果推定器(SIE)を提案する。
また,介入効果(Ge-SIO)に特異的な遺伝的アルゴリズムを設計し,意思決定の因果的証拠を提供する。
提案手法とアルゴリズムは,最先端のベースラインと比較して,大幅な性能向上を実現することができる。
論文 参考訳（メタデータ） (2021-05-27T01:12:03Z) - 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。