論文の概要: Estimating Heterogeneous Bounds for Treatment Effects under Sample Selection and Non-response

• arxiv url: http://arxiv.org/abs/2209.04329v1
• Date: Fri, 9 Sep 2022 14:42:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-12 13:06:14.908746
• Title: Estimating Heterogeneous Bounds for Treatment Effects under Sample Selection and Non-response
• Title（参考訳）: 試料選択および非応答下における治療効果の不均質境界の推定
• Authors: Phillip Heiler
• Abstract要約: 一般サンプル選択モデルにおける因果効果パラメータの非パラメトリック推定と推定法を提案する。 この方法は、ポリシーに関連する事前処理変数の関数として条件効果境界を提供する。 これにより、未同定条件効果曲線上で有効な統計的推測を行うことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper we propose a method for nonparametric estimation and inference for heterogeneous bounds for causal effect parameters in general sample selection models where the initial treatment can affect whether a post-intervention outcome is observed or not. Treatment selection can be confounded by observable covariates while the outcome selection can be confounded by both observables and unobservables. The method provides conditional effect bounds as functions of policy relevant pre-treatment variables. It allows for conducting valid statistical inference on the unidentified conditional effect curves. We use a flexible semiparametric de-biased machine learning approach that can accommodate flexible functional forms and high-dimensional confounding variables between treatment, selection, and outcome processes. Easily verifiable high-level conditions for estimation and misspecification robust inference guarantees are provided as well.
• Abstract（参考訳）: 本稿では,初期治療が介入後の結果が観察されるか否かに影響を及ぼす可能性のある一般サンプル選択モデルにおいて,因果効果パラメータの不均一な境界の非パラメトリック推定と推定法を提案する。 治療選択は可観測性共変量によって、結果選択は可観測性と可観測性の両方で両立することができる。 この方法は、ポリシーに関連する事前処理変数の関数として条件効果境界を提供する。 これにより、未同定条件効果曲線上で有効な統計的推測を行うことができる。 フレキシブルな半パラメトリックな非バイアス機械学習アプローチを用いて、フレキシブルな機能形式と、処理、選択、結果プロセス間の高次元の共役変数に対応できる。 推定と誤特定のための容易に検証可能なハイレベルな条件も提供される。

関連論文リスト

• A Bayesian Classification Trees Approach to Treatment Effect Variation with Noncompliance [0.5356944479760104]
  非準拠のランダム化試験における様々な治療効果を推定することは本質的に困難である。 既存の柔軟な機械学習手法は、弱い楽器の問題に非常に敏感である。 非準拠シナリオにおける二値応答変数に対するベイジアン因果フォレストモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-14T18:33:55Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Estimating Dyadic Treatment Effects with Unknown Confounders [0.0]
  ダイアディックデータを用いた治療効果を統計的に評価する手法を提案する。 処理が交換可能な分布に従うという仮定の下では、我々の手法は観測不能な共起因子の存在を許容する。 本手法を国際貿易データに適用し、自由貿易協定が二国間貿易フローに与える影響を評価する。
  論文  参考訳（メタデータ） (2024-05-26T12:32:14Z)
• Perturbation-based Effect Measures for Compositional Data [3.9543275888781224]
  構成的特徴に対する既存の効果測定は、現代の多くの応用には不十分である。 両問題に対処する仮説データ摂動に基づくフレームワークを提案する。 摂動依存再パラメータ化を導出することにより, 摂動効果の平均を効率的に推定できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T12:27:15Z)
• B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under Hidden Confounding [51.74479522965712]
  本稿では,B-Learnerと呼ばれるメタラーナーを提案する。 我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
  論文  参考訳（メタデータ） (2023-04-20T18:07:19Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Conformal Inference of Counterfactuals and Individual Treatment Effects [6.810856082577402]
  そこで本研究では,反ファクトや個々の治療効果について,信頼できる間隔を推定できる共形推論に基づく手法を提案する。 既存の手法は、単純なモデルであってもかなりのカバレッジの欠陥に悩まされる。
  論文  参考訳（メタデータ） (2020-06-11T01:03:32Z)
• Nonparametric inference for interventional effects with multiple mediators [0.0]
  より柔軟で、おそらく機械学習に基づく推定技術を可能にする理論を提供する。 提案した推定器の複数のロバスト性特性を示す。 本研究は, 介入媒介効果の推定において, 最新の統計的学習手法を活用する手段を提供する。
  論文  参考訳（メタデータ） (2020-01-16T19:05:00Z)

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。