論文の概要: Neighborhood Adaptive Estimators for Causal Inference under Network Interference
- arxiv url: http://arxiv.org/abs/2212.03683v2
- Date: Tue, 04 Mar 2025 04:02:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:11:04.416425
- Title: Neighborhood Adaptive Estimators for Causal Inference under Network Interference
- Title（参考訳）: ネットワーク干渉による因果推論のための周辺適応推定器
- Authors: Alexandre Belloni, Fei Fang, Alexander Volfovsky,
- Abstract要約: ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。
トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
- 参考スコア（独自算出の注目度）: 109.17155002599978
- License:
- Abstract: Estimating causal effects has become an integral part of most applied fields. In this work we consider the violation of the classical no-interference assumption with units connected by a network. For tractability, we consider a known network that describes how interference may spread. Unlike previous work the radius (and intensity) of the interference experienced by a unit is unknown and can depend on different (local) sub-networks and the assigned treatments. We study estimators for the average direct treatment effect on the treated in such a setting under additive treatment effects. We establish rates of convergence and distributional results. The proposed estimators considers all possible radii for each (local) treatment assignment pattern. In contrast to previous work, we approximate the relevant network interference patterns that lead to good estimates of the interference. To handle feature engineering, a key innovation is to propose the use of synthetic treatments to decouple the dependence. We provide simulations, an empirical illustration and insights for the general study of interference.
- Abstract（参考訳）: 因果効果を推定することは、ほとんどの応用分野の不可欠な部分となっている。
本研究では,ネットワークに接続された単位に対する古典的非干渉仮定の違反について考察する。
トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
以前の研究とは異なり、ユニットが経験した干渉の半径(および強度)は未知であり、異なる(局所的な)サブネットワークと割り当てられた処理に依存する。
本研究では, 添加処理条件下での処理条件に対する平均的直接処理効果の予測について検討した。
我々は収束率と分布率を確立する。
提案した推定器は、各(局所的な)治療代入パターンに対するすべてのラジイを考察する。
従来の研究とは対照的に、ネットワーク干渉パターンを近似し、干渉を適切に推定する。
機能工学を扱うために、重要な革新は、依存を分離するための合成処理の使用を提案することである。
干渉の一般的な研究のためのシミュレーション、経験的図解、洞察を提供する。
関連論文リスト
- In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。
実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
論文 参考訳（メタデータ） (2025-02-17T10:00:24Z) - Online Experimental Design With Estimation-Regret Trade-off Under Network Interference [7.080131271060764]
オンライン実験設計のための統合型干渉認識フレームワークを提案する。
既存の研究と比較して、露出マッピングの統計的概念を利用して腕の空間の定義を拡張した。
また、アルゴリズムの実装を提案し、異なる学習環境とネットワークトポロジにまたがる一般化について議論する。
論文 参考訳（メタデータ） (2024-12-04T21:45:35Z) - Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。
我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
論文 参考訳（メタデータ） (2024-11-01T18:00:51Z) - Targeted Machine Learning for Average Causal Effect Estimation Using the
Front-Door Functional [3.0232957374216953]
結果に対する治療の平均因果効果(ACE)を評価することは、しばしば観察研究における要因の相違によって引き起こされる課題を克服することを伴う。
本稿では,目標最小損失推定理論に基づいて,正面基準の新たな推定手法を提案する。
本研究では,早期学業成績が今後の年収に与える影響を明らかにするために,これらの推定装置の適用性を示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - Causal Message Passing for Experiments with Unknown and General Network Interference [5.294604210205507]
複雑で未知のネットワーク干渉に対応する新しいフレームワークを提案する。
我々のフレームワークは因果的メッセージパッシングと呼ばれ、高次元近似的メッセージパッシング手法に基づいている。
本手法の有効性を5つの数値シナリオで示す。
論文 参考訳（メタデータ） (2023-11-14T17:31:50Z) - 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) - 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) - Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach [84.29777236590674]
すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
論文 参考訳（メタデータ） (2021-03-25T17:59:19Z) - Almost-Matching-Exactly for Treatment Effect Estimation under Network
Interference [73.23326654892963]
本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。
本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
論文 参考訳（メタデータ） (2020-03-02T15:21:20Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。