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/2205.06131v3
• Date: Thu, 27 Apr 2023 15:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 17:34:45.154848
• 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: 貧困調査における二元変数の因果関係を推定する枠組みを提案する。 タイの貧困調査データセットでは、喫煙と飲酒の問題の間に因果関係が見つかった。
• 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. To solve poverty issues, one needs to know how severe the issue is. The Multidimensional Poverty Index (MPI) is a well-known approach that is used to measure a degree of poverty issues in a given area. To compute MPI, it requires information of MPI indicators, which are \textbf{binary variables} collecting by surveys, that represent different aspects of poverty such as lacking of education, health, living conditions, etc. Inferring impacts of MPI indicators on MPI index can be solved by using traditional regression methods. However, it is not obvious that whether solving one MPI indicator might resolve or cause more issues in other MPI indicators and there is no framework dedicating to infer empirical causal relations among MPI indicators. In this work, we propose a framework to infer causal relations on binary variables in poverty surveys. Our approach performed better than baseline methods in simulated datasets that we know ground truth as well as correctly found a causal relation in the Twin births dataset. In Thailand poverty survey dataset, the framework found a causal relation between smoking and alcohol drinking issues. We provide R CRAN package `BiCausality' that can be used in any binary variables beyond the poverty analysis 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 貧困問題を解決するには、問題の深刻さを知る必要がある。 多次元貧困指数(Multidimensional Poverty Index、MPI)は、ある地域における貧困問題の度合いを測定するために用いられる、よく知られた手法である。 MPIを計算するには、教育の欠如、健康、生活条件など、貧困のさまざまな側面を表す調査によって収集された「textbf{binary variables」であるMPI指標の情報が必要となる。 MPI指標がMPI指標に与える影響を従来の回帰法を用いて推定できる。 しかし、あるMPI指標が他のMPI指標で解けるか、あるいはより多くの問題を引き起こすかは明らかではなく、MPI指標間の経験的因果関係を推測する枠組みは存在しない。 本研究では,貧困調査におけるバイナリ変数の因果関係を推定する枠組みを提案する。 本手法は,基礎的真理を知っているシミュレーションデータセットのベースライン法よりも優れた性能を示し,双生児データセットに因果関係を見いだした。 タイの貧困調査データセットでは、喫煙と飲酒の問題の間に因果関係が見つかった。 我々はr cran パッケージ `bicausality' を提供し、貧困分析コンテキストを超えた任意のバイナリ変数で使用できる。

関連論文リスト

• New Rules for Causal Identification with Background Knowledge [59.733125324672656]
  オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。 これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-21T20:21:21Z)
• Learning and Reasoning Multifaceted and Longitudinal Data for Poverty Estimates and Livelihood Capabilities of Lagged Regions in Rural India [22.98110639419913]
  このプロジェクトは、生活の質と生活の指標に基づいて、1990-2022年のインド農村の貧困状況を調べることを目的としている。 また、因果関係や縦断的分析も検討し、貧困の原因について検討する。
  論文  参考訳（メタデータ） (2023-04-27T05:33:08Z)
• Novel Machine Learning Approach for Predicting Poverty using Temperature and Remote Sensing Data in Ethiopia [0.0]
  貧困データの欠如は、重要な人道的組織が大規模な危機に対応するのを妨げている。 本研究では,表面温度変化とリモートセンシングデータに基づく移動学習モデルを提案し,貧困率の予測に有用な特徴を抽出する。
  論文  参考訳（メタデータ） (2023-02-28T18:32:16Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Explaining Algorithmic Fairness Through Fairness-Aware Causal Path Decomposition [37.823248189626014]
  本稿では,モデルの相違点の同定問題について検討する。 特徴重要度を学習する既存の解釈方法とは異なり,特徴変数間の因果関係を考察する。 我々のフレームワークはまた、モデルに依存しないものであり、様々な量的格差の尺度に適用できる。
  論文  参考訳（メタデータ） (2021-08-11T17:23:47Z)
• 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)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• Bottleneck Problems: Information and Estimation-Theoretic View [2.7793394375935088]
  情報ボトルネック(IB)とプライバシファンネル(PF)は、密接に関連する2つの最適化問題である。 特定の関数の下位エンベロープや上部エンベロープを等価に表現することで、閉形式のボトルネック問題を評価する方法を示す。
  論文  参考訳（メタデータ） (2020-11-12T05:16:44Z)
• Causal inference of brain connectivity from fMRI with $\psi$-Learning Incorporated Linear non-Gaussian Acyclic Model ($\psi$-LiNGAM) [27.32225635737671]
  因果推論を容易にするために,線形非ガウス非巡回モデル(psi$-LiNGAM)を組み込んだ$psi$-learningを提案する。 我々は因果推論を容易にするためにアソシエーションモデル(psi$-learning)を使用し、特に高次元の場合においてうまく機能する。
  論文  参考訳（メタデータ） (2020-06-16T21:56:40Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)

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。