論文の概要: Confounder Balancing for Instrumental Variable Regression with Latent Variable

• arxiv url: http://arxiv.org/abs/2211.10008v1
• Date: Fri, 18 Nov 2022 03:13:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 15:37:16.481365
• Title: Confounder Balancing for Instrumental Variable Regression with Latent Variable
• Title（参考訳）: 潜在変数を用いたインストゥルメンタル変数回帰のための共起バランシング
• Authors: Anpeng Wu, Kun Kuang, Ruoxuan Xiong, Bo Li, Fei Wu
• Abstract要約: 本稿では,未測定の共同設立者からの共謀効果と,IV回帰における観察された共同設立者の不均衡について検討する。 我々は、計測されていない共同設立者からバイアスを取り除き、観察された共同設立者の不均衡を取り除くために、共同設立者バランスIV回帰(CB-IV)アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 29.288045682505615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies the confounding effects from the unmeasured confounders and the imbalance of observed confounders in IV regression and aims at unbiased causal effect estimation. Recently, nonlinear IV estimators were proposed to allow for nonlinear model in both stages. However, the observed confounders may be imbalanced in stage 2, which could still lead to biased treatment effect estimation in certain cases. To this end, we propose a Confounder Balanced IV Regression (CB-IV) algorithm to jointly remove the bias from the unmeasured confounders and the imbalance of observed confounders. Theoretically, by redefining and solving an inverse problem for potential outcome function, we show that our CB-IV algorithm can unbiasedly estimate treatment effects and achieve lower variance. The IV methods have a major disadvantage in that little prior or theory is currently available to pre-define a valid IV in real-world scenarios. Thus, we study two more challenging settings without pre-defined valid IVs: (1) indistinguishable IVs implicitly present in observations, i.e., mixed-variable challenge, and (2) latent IVs don't appear in observations, i.e., latent-variable challenge. To address these two challenges, we extend our CB-IV by a latent-variable module, namely CB-IV-L algorithm. Extensive experiments demonstrate that our CB-IV(-L) outperforms the existing approaches.
• Abstract（参考訳）: 本稿では,測定されていない共同設立者および観測された共同設立者のiv回帰における不均衡による統合効果について検討し,偏りのない因果効果推定を目標とする。 近年, 両段階の非線形モデルを可能にする非線形IV推定器が提案されている。 しかし、観察された共同創設者はステージ2では不均衡であり、場合によっては治療効果の偏りが生じる可能性がある。 この目的のために、未測定の共同設立者からのバイアスと観察された共同設立者の不均衡を共同で除去する、共同設立者Ba balanced IV Regression (CB-IV) アルゴリズムを提案する。 理論的には, 潜在的な結果関数に対する逆問題を再定義し, 解くことにより, cb-ivアルゴリズムが治療効果を偏りなく推定し, 低分散化できることを示す。 IV法は、現在、実世界のシナリオにおいて有効なIVを事前に定義するために利用可能な、わずかな事前または理論において大きな欠点がある。 そこで本研究では,(1)観察中に暗黙的に存在する識別不能なiv,すなわち混合変量課題,(2)潜在性ivは観測に現れない,すなわち潜在変量課題という2つの課題について検討した。 これら2つの課題に対処するため、CB-IV-Lアルゴリズムを潜在変数モジュールで拡張する。 CB-IV(-L) が既存手法より優れていることを示す実験が盛んである。

関連論文リスト

• Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data [44.31792000298105]
  病状平均治療効果(CATE)の正確な予測は、パーソナライズされた医療とデジタルプラットフォーム分析において重要である。 我々は,信頼性の高いCATE推定を実現するために,IVと観測データを組み合わせた新しい手法を開発した。
  論文  参考訳（メタデータ） (2024-06-10T16:40:55Z)
• Regularized DeepIV with Model Selection [72.17508967124081]
  正規化DeepIV(RDIV)回帰は最小ノルムIV解に収束することができる。 我々の手法は現在の最先端の収束率と一致している。
  論文  参考訳（メタデータ） (2024-03-07T05:38:56Z)
• Understanding, Predicting and Better Resolving Q-Value Divergence in Offline-RL [86.0987896274354]
  まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。 そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。 われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
  論文  参考訳（メタデータ） (2023-10-06T17:57:44Z)
• Conditional Instrumental Variable Regression with Representation Learning for Causal Inference [20.454641170078812]
  本稿では,観測データから因果効果を推定する上での課題について考察する。 本稿では,非保守的共同設立者からの共起バイアスを解消し,観察された共同設立者のバランスをとるために,共起バランス表現学習(CBRL.CIV)による非線形回帰を提案する。
  論文  参考訳（メタデータ） (2023-10-03T08:08:09Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Learning Conditional Instrumental Variable Representation for Causal Effect Estimation [20.546911588972737]
  因果効果推定のための条件セットとCIVの表現を学習・拡張するための新しい手法DVAE.CIVを提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:27:15Z)
• On the instrumental variable estimation with many weak and invalid instruments [1.837552179215311]
  楽器変数(IV)モデルにおける計算の基本的な問題点について検討する。 スパースペナルティ構造と等価な「スパース特性」を仮定し,サロゲートステップ同定法の利点を検証し,証明する。 スパース同定条件に整合した代理ステップ選択推定法を提案する。
  論文  参考訳（メタデータ） (2022-07-07T01:31:34Z)
• Ancestral Instrument Method for Causal Inference without Complete Knowledge [0.0]
  観測データから因果効果を推定する主な障害は、観測不能な共起である。 条件IVは、観測変数の集合を条件付けすることで標準IVの要求を緩和するために提案されている。 本研究では,祖先IVと観測データを用いた因果効果推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-11T07:02:16Z)
• Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning [107.70165026669308]
  オフライン強化学習(RL)では、事前収集された観測データのみから最適なポリシーが学習される。 遷移力学が加法的非線形汎関数形式を持つようなマルコフ決定過程について検討する。 そこで本稿では,条件付きモーメント制限の原始的2次元再構成に基づく,証明可能なIVVIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-19T13:01:40Z)
• Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with Latent Confounders [62.54431888432302]
  無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。 我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
  論文  参考訳（メタデータ） (2020-07-27T22:19:01Z)

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。