論文の概要: Falsification before Extrapolation in Causal Effect Estimation

• arxiv url: http://arxiv.org/abs/2209.13708v2
• Date: Thu, 29 Sep 2022 02:01:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 13:25:21.591262
• Title: Falsification before Extrapolation in Causal Effect Estimation
• Title（参考訳）: 因果効果推定における外挿前の偽造
• Authors: Zeshan Hussain, Michael Oberst, Ming-Chieh Shih, David Sontag
• Abstract要約: 個体群における因果関係は、しばしば観測データを用いて推定される。 本稿では,偏りのある観測推定を拒否するメタアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 6.715453431174765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Randomized Controlled Trials (RCTs) represent a gold standard when developing policy guidelines. However, RCTs are often narrow, and lack data on broader populations of interest. Causal effects in these populations are often estimated using observational datasets, which may suffer from unobserved confounding and selection bias. Given a set of observational estimates (e.g. from multiple studies), we propose a meta-algorithm that attempts to reject observational estimates that are biased. We do so using validation effects, causal effects that can be inferred from both RCT and observational data. After rejecting estimators that do not pass this test, we generate conservative confidence intervals on the extrapolated causal effects for subgroups not observed in the RCT. Under the assumption that at least one observational estimator is asymptotically normal and consistent for both the validation and extrapolated effects, we provide guarantees on the coverage probability of the intervals output by our algorithm. To facilitate hypothesis testing in settings where causal effect transportation across datasets is necessary, we give conditions under which a doubly-robust estimator of group average treatment effects is asymptotically normal, even when flexible machine learning methods are used for estimation of nuisance parameters. We illustrate the properties of our approach on semi-synthetic and real world datasets, and show that it compares favorably to standard meta-analysis techniques.
• Abstract（参考訳）: ランダム化対照試験(rcts)は、政策ガイドラインを作成する際の金本位制である。 しかし、RTTは狭いことが多く、より広い関心の人口のデータがない。 これらの集団における因果効果は、観察的データセットを用いてしばしば推定される。 観測的推定(例えば、複数の研究から)が与えられた場合、偏見のある観測的推定を拒否しようとするメタアルゴリズムを提案する。 rctと観測データの両方から推測可能な検証効果と因果効果を用いて,検証を行う。 このテストに合格しない推定子を拒絶した後、rctで観測されない部分群に対する外挿因果効果に対する保守的信頼区間を生成する。 少なくとも1つの観測推定器が漸近的に正常であり、検証効果と外挿効果の両方に一貫性があるという仮定の下で、本アルゴリズムが出力する間隔のカバレッジ確率の保証を提供する。 データセット間の因果効果伝達が必要な環境での仮説検証を容易にするため、フレキシブルな機械学習手法を用いて迷惑パラメータの推定を行う場合でも、グループ平均治療効果の二重ロバスト推定器が漸近的に正常である条件を与える。 半合成と実世界のデータセットに対する我々のアプローチの性質を説明し、標準のメタ分析技術と比較する。

関連論文リスト

• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。 我々は多種多様な高次元データにまたがって理論を検証する。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Adaptive-TMLE for the Average Treatment Effect based on Randomized Controlled Trial Augmented with Real-World Data [0.0]
  ランダム化制御試験(RCT)データと実世界データ(RWD)データの両方が利用可能である場合,平均処理効果(ATE)を推定する問題を考察する。 適応型最小損失ベース推定フレームワークを導入して推定する。
  論文  参考訳（メタデータ） (2024-05-12T07:10:26Z)
• RCT Rejection Sampling for Causal Estimation Evaluation [25.845034753006367]
  コンバウンディングは、観測データから因果効果の偏りのない推定に対する重要な障害である。 評価設計を簡略化し,実データを使用する,有望な実証評価戦略を構築した。 提案アルゴリズムは, 既成試料からオラクル推定器を評価した場合に, バイアスが小さくなることを示す。
  論文  参考訳（メタデータ） (2023-07-27T20:11:07Z)
• 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)
• Falsification of Internal and External Validity in Observational Studies via Conditional Moment Restrictions [6.9347431938654465]
  RCTと観察研究の両方からのデータから、内部および外部の妥当性に関する仮定は、観測可能で検証可能な意味を持つ。 これらのCMRを因果効果、つまり「因果コントラスト」で表現することは、個別の反事実的手段とは対照的に、より信頼性の高いファルシフィケーションテストを提供することを示す。
  論文  参考訳（メタデータ） (2023-01-30T18:16:16Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• CDSM -- Casual Inference using Deep Bayesian Dynamic Survival Models [3.9169188005935927]
  我々はベイジアン・リカレント・サブネットワークを用いた潜在的結果フレームワークを用いて生存曲線の差を推定する因果的動的生存モデル(CDSM)を開発した。 シミュレーションされたサバイバルデータセットを使用して、CDSMはサンプル寸法、イベントレート、結束および重複のシナリオにわたる良好な因果効果推定性能を示した。
  論文  参考訳（メタデータ） (2021-01-26T09:15:49Z)
• 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)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

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。