論文の概要: Causal Network Influence with Latent Homophily and Measurement Error: An
Application to Therapeutic Community
- arxiv url: http://arxiv.org/abs/2203.14223v1
- Date: Sun, 27 Mar 2022 06:47:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 16:36:40.368236
- Title: Causal Network Influence with Latent Homophily and Measurement Error: An
Application to Therapeutic Community
- Title(参考訳): 遅延ホモフィリーと測定誤差による因果ネットワークの影響:治療コミュニティへの応用
- Authors: Subhadeep Paul, Shanjukta Nath, Keith Warren
- Abstract要約: 多くの著者は、ホモフィリーの存在により、テクスティカルネットワークの影響や感染は観測データから特定できないと指摘している。
因果感染と文脈的影響を識別するために,ネットワーク応答に対する遅延的ホモフィリ調整空間自己回帰モデルを提案する。
- 参考スコア(独自算出の注目度): 1.7188280334580197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Spatial or Network Autoregressive model (SAR, NAM) is popular for
modeling the influence network connected neighbors exert on the outcome of
individuals. However, many authors have noted that the \textit{causal} network
influence or contagion cannot be identified from observational data due to the
presence of homophily. We propose a latent homophily-adjusted spatial
autoregressive model for networked responses to identify the causal contagion
and contextual effects. The latent homophily is estimated from the spectral
embedding of the network's adjacency matrix. Separately, we develop maximum
likelihood estimators for the parameters of the SAR model correcting for
measurement error when covariates are measured with error. We show that the
bias corrected MLE are consistent and derive its asymptotic limiting
distribution. We propose to estimate network influence using the bias corrected
MLE in a SAR model with the estimated latent homophily added as a covariate.
Our simulations show that the methods perform well in finite sample. We apply
our methodology to a data-set of female criminal offenders in a therapeutic
community (TC) for substance abuse and criminal behavior. We provide causal
estimates of network influence on graduation from TC and re-incarceration after
accounting for latent homophily.
- Abstract(参考訳): 空間的あるいはネットワーク自己回帰モデル(sar, nam)は、ネットワークに接続された隣人が個人の結果に影響を及ぼす影響をモデル化するのによく用いられる。
しかし、多くの著者は、ホモフィリーの存在により、観測データから \textit{causal} ネットワークの影響や感染は特定できないと指摘している。
本稿では,ネットワーク応答に対する潜在ホモフィア調整空間自己回帰モデルを提案し,因果感染と文脈効果を同定する。
潜在ホモフィリーは、ネットワークの隣接行列のスペクトル埋め込みから推定される。
また,共変量と誤差を測る際の測定誤差を補正するSARモデルのパラメータの最大推定器を開発した。
バイアス補正されたMLEは整合性を示し,その漸近的制限分布を導出する。
SARモデルにおけるバイアス補正MLEを用いてネットワークの影響を推定し,共変量として潜在性ホモフィリーを推定する。
シミュレーションの結果, 有限サンプルの場合, 手法が良好であることが判明した。
本手法は,薬物乱用と犯罪行動に対する治療コミュニティ(tc)における女性犯罪者のデータセットに適用する。
我々は,tcの卒業および潜在性相同性を考慮した再受刑におけるネットワークの影響を因果的に見積もる。
関連論文リスト
- Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - Contagion Effect Estimation Using Proximal Embeddings [17.483428990993744]
感染効果は、ソーシャルネットワークにおける個人の結果に対する仲間の行動の因果効果を指す。
既存のプロキシベースの感染効果推定法は、プロキシが高次元である場合、非常に高いばらつきを持つ。
本稿では,変分オートエンコーダと対向ネットワークを統合した新しいフレームワーク Proximal Embeddings (ProEmb) を提案する。
論文 参考訳(メタデータ) (2023-06-04T20:55:13Z) - 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) - Inferring Causal Effects Under Heterogeneous Peer Influence [12.533920403498453]
ネットワークにおける因果推論は、ユニットの結果がピアの治療や結果に影響された場合に発生する干渉を考慮に入れなければならない。
本稿では,ネットワーク構造,干渉条件,因果依存性に関する様々な仮定を捉えることができるネットワークの構造因果モデルを提案する。
因果モデルを用いて、潜在的な異種コンテキストを見つけ、個別の因果効果を推定する新しいグラフニューラルネットワークに基づく推定器を提案する。
論文 参考訳(メタデータ) (2023-05-27T13:57:26Z) - Flexible social inference facilitates targeted social learning when
rewards are not observable [58.762004496858836]
グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。
社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
論文 参考訳(メタデータ) (2022-12-01T21:04:03Z) - Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。
オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。
異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
論文 参考訳(メタデータ) (2022-10-15T17:15:51Z) - What's the Harm? Sharp Bounds on the Fraction Negatively Affected by
Treatment [58.442274475425144]
我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。
シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
論文 参考訳(メタデータ) (2022-05-20T17:36:33Z) - Using Embeddings for Causal Estimation of Peer Influence in Social
Networks [12.971519813535734]
我々は、ピア感染効果を推定するために観測データを使用するという問題に対処する。
この効果の同定と推定に組込み法をどのように利用できるかを示す。
論文 参考訳(メタデータ) (2022-05-17T00:22:56Z) - Estimating Social Influence from Observational Data [5.156484100374057]
本研究では,社会的影響を推定する問題,個人の行動が将来の仲間の行動に与える影響を考察する。
鍵となる課題は、友人間の共有行動は、影響または他の2つの要因によって等しく説明できることである。
本稿では,3つの貢献によって社会的影響を推定する上での課題について論じる。
論文 参考訳(メタデータ) (2022-03-24T20:21:24Z) - Conductance and Social Capital: Modeling and Empirically Measuring
Online Social Influence [9.556358888163983]
社会的影響は私たちの日常生活に浸透し、複雑な社会現象の基礎を築いた。
オンライン社会的影響を研究する既存の文献は、いくつかの欠点に悩まされている。
この研究はギャップを埋め、モデリングとオンライン影響の実証的な定量化に3つの貢献をする。
論文 参考訳(メタデータ) (2021-10-25T01:05:49Z) - Plinko: A Theory-Free Behavioral Measure of Priors for Statistical
Learning and Mental Model Updating [62.997667081978825]
Plinko(リンク)は,参加者が利用可能なすべての結果に対してボール滴の分布を推定する行動課題である。
対象者は,確率分布の確率分布を中心にクラスタリングし,事前クラスタメンバシップは学習能力を示す可能性があることを示す。
我々は,個々の参加者が信頼できる表現であり,物理的に不可解な球滴分布に直面した場合,学習が阻害されないことを検証した。
論文 参考訳(メタデータ) (2021-07-23T22:27:30Z)
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。