論文の概要: On Testability of the Front-Door Model via Verma Constraints
- arxiv url: http://arxiv.org/abs/2203.00161v1
- Date: Tue, 1 Mar 2022 00:38:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-03 00:37:13.086074
- Title: On Testability of the Front-Door Model via Verma Constraints
- Title(参考訳): 頂点制約によるフロントドアモデルの試験可能性について
- Authors: Rohit Bhattacharya, Razieh Nabi
- Abstract要約: フロントドア基準は、測定されていない共同設立者にもかかわらず因果関係を識別し、計算するために用いられる。
主要な仮定 -- 結果に対する治療の効果を完全に媒介する変数の存在と、類似したコンバウンディングの問題に同時に苦しめられていない変数の存在は、しばしば許し難いものとみなされる。
補助変数を含む穏やかな条件下では, 一般等式制約により, フロントドアモデルに符号化された仮定を検証できることを示す。
- 参考スコア(独自算出の注目度): 7.52579126252489
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The front-door criterion can be used to identify and compute causal effects
despite the existence of unmeasured confounders between a treatment and
outcome. However, the key assumptions -- (i) the existence of a variable (or
set of variables) that fully mediates the effect of the treatment on the
outcome, and (ii) which simultaneously does not suffer from similar issues of
confounding as the treatment-outcome pair -- are often deemed implausible. This
paper explores the testability of these assumptions. We show that under mild
conditions involving an auxiliary variable, the assumptions encoded in the
front-door model (and simple extensions of it) may be tested via generalized
equality constraints a.k.a Verma constraints. We propose two goodness-of-fit
tests based on this observation, and evaluate the efficacy of our proposal on
real and synthetic data. We also provide theoretical and empirical comparisons
to instrumental variable approaches to handling unmeasured confounding.
- Abstract(参考訳): フロントドア基準は、治療と結果の間に確証のない共同創設者が存在するにもかかわらず、因果効果を識別し計算するために使用できる。
しかし、主な前提は --
(i)治療の効果を完全に媒介する変数(又は一連の変数)の存在、及び
(ii) 治療・アウトカム・ペアと類似の問題に同時に悩まされないものは, しばしば不愉快であると考えられる。
本稿ではこれらの仮定の検証可能性について考察する。
補助変数を含む穏やかな条件下では、フロントドアモデル(およびそれの単純な拡張)にエンコードされた仮定は、一般化された等式制約 a.k.a verma 制約によって検証できる。
本研究は, 実データと合成データに対する提案の有効性を検証し, 2つの適合性試験を提案する。
また,計測不能なコンバウンディングを扱うための機器変数アプローチと理論的,経験的比較を行った。
関連論文リスト
- Model-Agnostic Covariate-Assisted Inference on Partially Identified
Causal Effects [2.1638817206926855]
多くの因果推定値は、潜在的な結果間の観測不能な関節分布に依存するため、部分的にしか識別できない。
本研究では,部分的同定された推定値の広いクラスに対して,統一的かつモデルに依存しない推論手法を提案する。
論文 参考訳(メタデータ) (2023-10-12T08:17:30Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Simultaneous inference for generalized linear models with unmeasured confounders [0.0]
本稿では,構造を利用して線形射影を3つの重要な段階に統合する,統一的な統計的推定と推測の枠組みを提案する。
サンプルおよび応答サイズとして$z$-testsの効果的なType-Iエラー制御が無限大に近づくことを示す。
論文 参考訳(メタデータ) (2023-09-13T18:53:11Z) - A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
実験と観測を組み合わせた二重機械学習手法を提案する。
我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
論文 参考訳(メタデータ) (2023-07-04T02:53:11Z) - 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) - Causal Discovery via Conditional Independence Testing with Proxy Variables [35.3493980628004]
潜伏した共同設立者のような未観測変数の存在は、条件付き独立テストにバイアスをもたらす可能性がある。
本研究では,連続変数に対する因果関係の存在を効果的に検証できる仮説テスト手法を提案する。
論文 参考訳(メタデータ) (2023-05-09T09:08:39Z) - Neighborhood Adaptive Estimators for Causal Inference under Network
Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。
干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。
このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文 参考訳(メタデータ) (2022-12-07T14:53:47Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳(メタデータ) (2022-10-14T08:09:33Z) - Combining Experimental and Observational Data for Identification of
Long-Term Causal Effects [13.32091725929965]
本研究では、観察領域と実験領域のデータを用いて、治療変数の長期的な結果変数に対する因果効果を推定するタスクについて検討する。
観測データは共起していると考えられており、さらなる仮定なしでは、このデータセットは因果推論にも使用できない。
論文 参考訳(メタデータ) (2022-01-26T04:21:14Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳(メタデータ) (2021-04-12T18:50:11Z) - Achieving Equalized Odds by Resampling Sensitive Attributes [13.114114427206678]
等価性の概念をほぼ満足する予測モデルを学習するためのフレキシブルなフレームワークを提案する。
この微分可能な関数は、モデルパラメータを等化奇数に向けて駆動するペナルティとして使用される。
本研究は,予測規則が本性質に反するか否かを検出するための公式な仮説テストを開発する。
論文 参考訳(メタデータ) (2020-06-08T00:18:34Z)
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。