論文の概要: Framework for inferring empirical causal graphs from binary data to
support multidimensional poverty analysis
- arxiv url: http://arxiv.org/abs/2205.06131v1
- Date: Thu, 12 May 2022 14:50:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-13 14:14:35.859314
- Title: Framework for inferring empirical causal graphs from binary data to
support multidimensional poverty analysis
- Title(参考訳): 二元データから経験的因果グラフを推定し多次元貧困分析を支援するフレームワーク
- Authors: Chainarong Amornbunchornvej, Navaporn Surasvadi, Anon Plangprasopchok,
and Suttipong Thajchayapong
- Abstract要約: 本稿では,バイナリデータ間の信頼区間と因果関係を推定するための探索データ分析フレームワークを提案する。
提案した枠組みは、貧困の問題がどれほど深刻かだけでなく、貧困要因間の因果関係も提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Poverty is one of the fundamental issues that mankind faces. Multidimensional
Poverty Index (MPI) is deployed for measuring poverty issues in a population
beyond monetary. However, MPI cannot provide information regarding associations
and causal relations among poverty factors. Does education cause income
inequality in a specific region? Is lacking education a cause of health issues?
By not knowing causal relations, policy maker cannot pinpoint root causes of
poverty issues of a specific population, which might not be the same across
different population. Additionally, MPI requires binary data, which cannot be
analyzed by most of causal inference frameworks. In this work, we proposed an
exploratory-data-analysis framework for finding possible causal relations with
confidence intervals among binary data. The proposed framework provides not
only how severe the issue of poverty is, but it also provides the causal
relations among poverty factors. Moreover, knowing a confidence interval of
degree of causal direction lets us know how strong a causal relation is.
We evaluated the proposed framework with several baseline approaches in
simulation datasets as well as using two real-world datasets as case studies 1)
Twin births of the United States: the relation between birth weight and
mortality of twin, and 2) Thailand population surveys from 378k households of
Chiang Mai and 353k households of Khon Kaen provinces. Our framework performed
better than baselines in most cases. The first case study reveals almost all
mortality cases in twins have issues of low birth weights but not all
low-birth-weight twins were died. The second case study reveals that smoking
associates with drinking alcohol in both provinces and there is a causal
relation of smoking causes drinking alcohol in only Chiang Mai province. The
framework can be applied beyond the poverty context.
- Abstract(参考訳): 貧困は人類が直面する根本的な問題の1つです
多次元貧困指数(multidimensional poverty index, mpi)は、通貨を超えた人口の貧困問題を測定するための指標である。
しかし、MPIは貧困要因間の関連や因果関係に関する情報を提供できない。
教育は特定の地域で所得格差を引き起こすか?
教育不足は健康問題の原因なのでしょうか?
政策立案者は因果関係を知らないため、特定の人口の貧困問題の根本原因を特定できない。
さらに、MPIはバイナリデータを必要とするため、ほとんどの因果推論フレームワークでは分析できない。
本研究では,バイナリデータ間の信頼区間と因果関係を見出すための探索的データ分析フレームワークを提案する。
提案した枠組みは、貧困の問題がどれほど深刻かだけでなく、貧困要因間の因果関係も提供する。
さらに、因果方向の信頼区間を知ることで、因果関係がどれほど強いかを知ることができる。
シミュレーションデータセットと実世界の2つのデータセットをケーススタディとして、いくつかのベースラインアプローチによる提案フレームワークの評価を行った。
1)アメリカ合衆国の双子の出生:出生体重と双子の死亡との関係
2)タイの人口はチエンマイの378k世帯とコンカエン州の353k世帯から調査された。
私たちのフレームワークはたいていの場合、ベースラインよりもうまく機能しました。
最初のケーススタディでは、双子の死亡例のほとんどすべてが低出生体重の問題を持っているが、低出生体重の双子が全て死亡したわけではない。
第2のケーススタディでは、両州で喫煙と飲酒の関連が明らかとなり、チャンマイ県のみにおいて喫煙が飲酒を引き起こす原因となっている。
この枠組みは貧困の文脈を超えて適用できる。
関連論文リスト
- Counterfactual Analysis of the Impact of the IMF Program on Child
Poverty in the Global-South Region using Causal-Graphical Normalizing Flows [0.1933681537640272]
この研究は、因果推論と深層学習モデルの特定の分野(emphcausal-Graphical Normalizing Flows (c-GNFs))の適用例を示す。
本研究は,国際通貨基金(IMF)プログラムが子どもの貧困に与える影響について,c-GNFを用いた実証分析を行った。
論文 参考訳(メタデータ) (2022-02-17T12:18:14Z) - Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach [0.0]
本稿では,グローバルな開発指標をマーカーとして,感染症の発生に敏感な最も重要な開発セクターを同定する手法を提案する。
我々は,これらの指標と疾患発生の因果関係を統計的に評価し,最も頻度の高い指標を見つけるために,統計手法を用いる。
論文 参考訳(メタデータ) (2021-09-15T13:05:51Z) - Problem Dependent View on Structured Thresholding Bandit Problems [73.70176003598449]
我々は、Thresholding Bandit problem (TBP)における問題依存体制について検討する。
学習者の目的は、シーケンシャルゲームの終わりに、所定のしきい値を超える手段を持つアームセットを出力することである。
コンケーブ設定と単調設定の両方で誤差の確率を上下に設定する。
論文 参考訳(メタデータ) (2021-06-18T15:01:01Z) - Variational Causal Networks: Approximate Bayesian Inference over Causal
Structures [132.74509389517203]
離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。
実験では,提案した変分後部が真の後部を良好に近似できることを示した。
論文 参考訳(メタデータ) (2021-06-14T17:52:49Z) - BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。
本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-07T10:14:18Z) - Bayesian Model Averaging for Data Driven Decision Making when Causality
is Partially Known [0.0]
我々はベイズモデル平均化(BMA)のようなアンサンブル法を用いて因果グラフの集合を推定する。
潜在的な介入の期待値とリスクを明示的に計算して意思決定を行います。
論文 参考訳(メタデータ) (2021-05-12T01:55:45Z) - Causes of Effects: Learning individual responses from population data [23.593582720307207]
個別化の問題とその医学への応用について研究する。
例えば、治療の恩恵を受ける確率は、治療された場合の好ましくない結果と、治療されていない場合の好ましくない結果である。
必要十分度(PNS)の確率に限界を当て、グラフィカルな基準や実用的応用とともに既存の研究を分析・拡大します。
論文 参考訳(メタデータ) (2021-04-28T12:38:11Z) - Everything Has a Cause: Leveraging Causal Inference in Legal Text
Analysis [62.44432226563088]
因果推論は変数間の因果関係を捉えるプロセスである。
本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。
GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
論文 参考訳(メタデータ) (2021-04-19T16:13:10Z) - Linguistic dependencies and statistical dependence [76.89273585568084]
文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。
最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
論文 参考訳(メタデータ) (2021-04-18T02:43:37Z) - Micro-Estimates of Wealth for all Low- and Middle-Income Countries [14.717329936263672]
2.4kmの解像度で135か所の低所得国と中所得国の人口を包含する富と貧困の最初のマイクロ見積もりを開発した。
この推定は、衛星、携帯電話ネットワーク、地形地図、およびFacebookの集合的および非特定接続データからの膨大なおよび異種データに機械学習アルゴリズムを適用することによって構築される。
論文 参考訳(メタデータ) (2021-04-15T20:37:46Z) - Towards Causal Representation Learning [96.110881654479]
機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。
現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
論文 参考訳(メタデータ) (2021-02-22T15:26:57Z)
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。