論文の概要: Estimating causal effects with optimization-based methods: A review and
empirical comparison
- arxiv url: http://arxiv.org/abs/2203.00097v1
- Date: Mon, 28 Feb 2022 21:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 14:26:16.863505
- Title: Estimating causal effects with optimization-based methods: A review and
empirical comparison
- Title（参考訳）: 最適化に基づく因果効果の推定 : レビューと経験的比較
- Authors: Martin Cousineau, Vedat Verter, Susan A. Murphy, Joelle Pineau
- Abstract要約: 本稿では、因果推論の文献の概要と最適化に基づく因果推論手法の詳細について述べる。
本稿では,最適化手法の比較分析を行い,新しい手法の可能性について論じる。
- 参考スコア（独自算出の注目度）: 34.7368367072674
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the absence of randomized controlled and natural experiments, it is
necessary to balance the distributions of (observable) covariates of the
treated and control groups in order to obtain an unbiased estimate of a causal
effect of interest; otherwise, a different effect size may be estimated, and
incorrect recommendations may be given. To achieve this balance, there exist a
wide variety of methods. In particular, several methods based on optimization
models have been recently proposed in the causal inference literature. While
these optimization-based methods empirically showed an improvement over a
limited number of other causal inference methods in their relative ability to
balance the distributions of covariates and to estimate causal effects, they
have not been thoroughly compared to each other and to other noteworthy causal
inference methods. In addition, we believe that there exist several unaddressed
opportunities that operational researchers could contribute with their advanced
knowledge of optimization, for the benefits of the applied researchers that use
causal inference tools. In this review paper, we present an overview of the
causal inference literature and describe in more detail the optimization-based
causal inference methods, provide a comparative analysis of the prevailing
optimization-based methods, and discuss opportunities for new methods.
- Abstract（参考訳）: ランダム化制御と自然実験の欠如においては、対象群と対照群の(観察可能な)共変量の分布をバランスさせ、利害の因果効果の偏りのない推定を得る必要がある。
このバランスを達成するために、様々な方法が存在する。
特に, 因果推論文献において最適化モデルに基づく手法が最近提案されている。
これらの最適化に基づく手法は,共変量分布のバランスと因果効果の見積を行う相対的能力において,限られた数の因果推論法に比較して改善を経験的に示したが,それらが相互に徹底的に比較されたわけではなく,他の注目すべき因果推論法と比較された。
さらに,因果推論ツールを用いた応用研究者の利益のために,運用研究者が最適化に関する高度な知識に貢献できる未対応の機会がいくつか存在すると信じている。
本稿では,因果推論の文献を概観し,最適化に基づく因果推論法の詳細を述べるとともに,広く普及している最適化に基づく手法の比較分析を行い,新しい手法の機会について考察する。
関連論文リスト
- Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。
本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。
本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
論文 参考訳（メタデータ） (2024-04-30T15:20:41Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - 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) - Stochastic Intervention for Causal Inference via Reinforcement Learning [7.015556609676951]
因果推論の中心は介入戦略の処理効果推定である。
既存の方法はほとんどが決定論的治療に限られており、異なる治療下での結果を比較する。
介入に対する治療効果を推定するための新しい効果的な枠組みを提案する。
論文 参考訳（メタデータ） (2021-05-28T00:11:22Z) - 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) - Learning the Truth From Only One Side of the Story [58.65439277460011]
一般化線形モデルに焦点をあて、このサンプリングバイアスを調整しなければ、モデルは準最適に収束するか、あるいは最適解に収束しないかもしれないことを示す。
理論的保証を伴って適応的なアプローチを提案し、いくつかの既存手法を実証的に上回っていることを示す。
論文 参考訳（メタデータ） (2020-06-08T18:20:28Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。