論文の概要: Double Robust Bayesian Inference on Average Treatment Effects

• arxiv url: http://arxiv.org/abs/2211.16298v4
• Date: Wed, 21 Feb 2024 16:19:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-22 21:45:32.917711
• Title: Double Robust Bayesian Inference on Average Treatment Effects
• Title（参考訳）: 平均治療効果に対する二重ロバストベイズ推定
• Authors: Christoph Breunig, Ruixuan Liu, Zhengfei Yu
• Abstract要約: 不愉快な条件下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。 我々は、ベルンシュタイン=ヴォン・ミセスの定理の下で、新しい半パラメトリックロバスト性定理を確立することにより、ベイズ的手続きと効率的な頻繁なATE推定器の等価性を証明した。 シミュレーションでは、我々の二重頑健なベイズ法は、既存の頻繁な手法と比較して、大きなバイアス低減と信頼区間のより正確なカバレッジをもたらす。
• 参考スコア（独自算出の注目度）: 2.7632791497072553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a double robust Bayesian inference procedure on the average treatment effect (ATE) under unconfoundedness. Our robust Bayesian approach involves two important modifications: first, we adjust the prior distributions of the conditional mean function; second, we correct the posterior distribution of the resulting ATE. Both adjustments make use of pilot estimators motivated by the semiparametric influence function for ATE estimation. We prove asymptotic equivalence of our Bayesian procedure and efficient frequentist ATE estimators by establishing a new semiparametric Bernstein-von Mises theorem under double robustness; i.e., the lack of smoothness of conditional mean functions can be compensated by high regularity of the propensity score and vice versa. Consequently, the resulting Bayesian credible sets form confidence intervals with asymptotically exact coverage probability. In simulations, our double robust Bayesian procedure leads to significant bias reduction of point estimation over conventional Bayesian methods and more accurate coverage of confidence intervals compared to existing frequentist methods. We illustrate our method in an application to the National Supported Work Demonstration.
• Abstract（参考訳）: 不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。 我々の頑健なベイズ的アプローチは、2つの重要な修正を含む: まず、条件平均関数の事前分布を調整する; 次に、結果のATEの後方分布を補正する。 いずれの調整も、ATE推定のための半パラメトリック影響関数によって動機付けられたパイロット推定器を利用する。 我々は、二重ロバスト性の下での新しい半パラメトリックなベルンシュタイン・ヴォン・ミス定理を確立することにより、ベイズ過程の漸近同値と効率的な頻度主義 ATE 推定器を証明し、条件付き平均関数の滑らかさの欠如は、確率スコアの高正規性とその逆によって補うことができる。 その結果、ベイズ信頼集合は漸近的に正確な被覆確率を持つ信頼区間を形成する。 シミュレーションでは,二重ロバストベイズ法では,従来のベイズ法よりも点推定の偏りが小さくなり,信頼区間の精度が向上した。 本手法は,全国支援労働デモテーションへの適用例を示す。

関連論文リスト

• 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)
• Semiparametric Efficient Inference in Adaptive Experiments [29.43493007296859]
  本研究では, 治療や管理に対する課題の割り当てを規定する政策が, 時間とともに変化しうる連続的な実験において, 平均治療効果の効率的な推定の問題点を考察する。 まず、Adaptive Augmented Inverse-Probability Weighted estimator に対する中心極限定理について述べる。 次に、従来の手法よりもかなり厳密な確率性および漸近的信頼シーケンスの両方を導出した逐次推論設定を検討する。
  論文  参考訳（メタデータ） (2023-11-30T06:25:06Z)
• Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
  ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。 古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。 既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
  論文  参考訳（メタデータ） (2023-10-20T10:20:45Z)
• A Mean Field Approach to Empirical Bayes Estimation in High-dimensional Linear Regression [8.345523969593492]
  高次元線形回帰における経験的ベイズ推定について検討する。 もともとCarbonetto and Stephens (2012) と Kim et al. (2022) で導入された変分経験ベイズアプローチを採用する。 これは、空間性のない高次元回帰設定において、最初の厳密な経験的ベイズ法を提供する。
  論文  参考訳（メタデータ） (2023-09-28T20:51:40Z)
• Online Bootstrap Inference with Nonconvex Stochastic Gradient Descent Estimator [0.0]
  本稿では,凸問題の文脈における統計的推論のための勾配降下(SGD)の理論的性質について検討する。 多重誤差最小値を含む2つの干渉手順を提案する。
  論文  参考訳（メタデータ） (2023-06-03T22:08:10Z)
• A Bayesian Semiparametric Method For Estimating Causal Quantile Effects [1.1118668841431563]
  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。
  論文  参考訳（メタデータ） (2022-11-03T05:15:18Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Variational Refinement for Importance Sampling Using the Forward Kullback-Leibler Divergence [77.06203118175335]
  変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。 重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。 近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-06-30T11:00:24Z)
• Adaptive Sampling for Estimating Distributions: A Bayesian Upper Confidence Bound Approach [30.76846526324949]
  既存の高信頼境界(UCB)ベースのアプローチのベイズ多様体が提案される。 ロサンゼルス郡のセロプレバレンス調査から得られたデータを用いて,この戦略の有効性を考察した。
  論文  参考訳（メタデータ） (2020-12-08T00:53:34Z)
• CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
  強化学習における高信頼行動非依存のオフ政治評価について検討する。 様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
  論文  参考訳（メタデータ） (2020-10-22T12:39:11Z)
• Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
  確率分布が未知な分布の不確実性の下でBQOについて検討する。 標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。 この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
  論文  参考訳（メタデータ） (2020-01-19T12:00:33Z)

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。