論文の概要: A Bayesian Semiparametric Method For Estimating Causal Quantile Effects
- arxiv url: http://arxiv.org/abs/2211.01591v1
- Date: Thu, 3 Nov 2022 05:15:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 14:11:42.418454
- Title: A Bayesian Semiparametric Method For Estimating Causal Quantile Effects
- Title(参考訳): 因果量子効果推定のためのベイズ半パラメトリック法
- Authors: Steven G. Xu, Shu Yang and Brian J. Reich
- Abstract要約: 擬似分布の任意の関数を推測できる半パラメトリックな条件分布回帰モデルを提案する。
共振調整に二重バランススコアを用いることで, 単一スコアのみの調整よりも性能が向上することを示す。
提案手法をノースカロライナ出生体重データセットに適用し,母体喫煙が幼児の出生体重に与える影響を解析した。
- 参考スコア(独自算出の注目度): 1.1118668841431563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Standard causal inference characterizes treatment effect through averages,
but the counterfactual distributions could be different in not only the central
tendency but also spread and shape. To provide a comprehensive evaluation of
treatment effects, we focus on estimating quantile treatment effects (QTEs).
Existing methods that invert a nonsmooth estimator of the cumulative
distribution functions forbid inference on probability density functions
(PDFs), but PDFs can reveal more nuanced characteristics of the counterfactual
distributions. We adopt a semiparametric conditional distribution regression
model that allows inference on any functionals of counterfactual distributions,
including PDFs and multiple QTEs. To account for the observational nature of
the data and ensure an efficient model, we adjust for a double balancing score
that augments the propensity score with individual covariates. We provide a
Bayesian estimation framework that appropriately propagates modeling
uncertainty. We show via simulations that the use of double balancing score for
confounding adjustment improves performance over adjusting for any single score
alone, and the proposed semiparametric model estimates QTEs more accurately
than other semiparametric methods. We apply the proposed method to the North
Carolina birth weight dataset to analyze the effect of maternal smoking on
infant's birth weight.
- Abstract(参考訳): 標準因果推論は, 平均値による治療効果を特徴付けるが, 反事実分布は中心的な傾向だけでなく, 広がり, 形状も異なる可能性がある。
治療効果を総合的に評価するために,QTE(Quantile treatment effect)の推定に焦点をあてる。
累積分布関数の非滑らかな推定器を逆転させる既存の手法は確率密度関数の推論を禁止しているが、PDFは反実分布のより微妙な特徴を明らかにすることができる。
我々は,PDF や複数 QTE を含む,反現実分布の任意の関数を推測できる半パラメトリックな条件分布回帰モデルを採用する。
データの観測特性を考慮し,効率的なモデルを確立するため,各共変量による確率スコアを増大させる二重バランススコアを調整した。
モデリングの不確実性を適切に伝播するベイズ推定フレームワークを提供する。
シミュレーションにより, 共振調整に二重バランススコアを用いることで, 単一スコアのみの調整よりも性能が向上し, 提案した半パラメトリックモデルでは, 他の半パラメトリック手法よりもQTEを精度良く推定できることを示した。
提案手法をノースカロライナ州出生体重データセットに適用し,母親の喫煙が乳児の出生体重に及ぼす影響を分析した。
関連論文リスト
- Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。
第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。
第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
論文 参考訳(メタデータ) (2025-02-11T19:24:09Z) - Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳(メタデータ) (2024-11-04T14:29:02Z) - Leveraging Self-Consistency for Data-Efficient Amortized Bayesian Inference [9.940560505044122]
本稿では,償却ベイズ推定の効率と精度を向上させる手法を提案する。
我々は,関節モデルの近似表現に基づいて限界確率を推定する。
論文 参考訳(メタデータ) (2023-10-06T17:41:41Z) - Bayesian Hierarchical Models for Counterfactual Estimation [12.159830463756341]
本稿では,多種多様なカウンターファクトの集合を推定する確率的パラダイムを提案する。
摂動を事前分布関数によるランダム変数として扱う。
収束特性の優れた勾配ベースサンプリング器は、後方サンプルを効率的に計算する。
論文 参考訳(メタデータ) (2023-01-21T00:21:11Z) - Bayesian Counterfactual Mean Embeddings and Off-Policy Evaluation [10.75801980090826]
最終治療効果の期待を推定するための3つの新しいベイズ的手法を提案する。
これらの手法は、考慮された不確実性の原因が異なるため、2つのデータソースを組み合わせることが可能である。
我々はこれらの考え方を非政治評価フレームワークに一般化する。
論文 参考訳(メタデータ) (2022-11-02T23:39:36Z) - Benign-Overfitting in Conditional Average Treatment Effect Prediction
with Linear Regression [14.493176427999028]
線形回帰モデルを用いて条件平均処理効果(CATE)の予測における良性過剰適合理論について検討した。
一方,IPW-learnerは確率スコアが分かっていればリスクをゼロに収束させるが,T-learnerはランダムな割り当て以外の一貫性を達成できないことを示す。
論文 参考訳(メタデータ) (2022-02-10T18:51:52Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳(メタデータ) (2021-04-12T18:50:11Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z) - Nonparametric inverse probability weighted estimators based on the
highly adaptive lasso [0.966840768820136]
非パラメトリック逆確率重み付き推定器は非効率であり、次元性の呪いに苦しむことが知られている。
高度適応型ラッソのアンダースムーシングにより重み付け機構を推定する非パラメトリック逆確率重み付き推定器のクラスを提案する。
我々の開発は、大規模統計モデルと様々な問題設定における効率的な逆確率重み付き推定器の構築に幅広い意味を持つ。
論文 参考訳(メタデータ) (2020-05-22T17:49:46Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z)
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。