論文の概要: Falsification of Internal and External Validity in Observational Studies
via Conditional Moment Restrictions
- arxiv url: http://arxiv.org/abs/2301.13133v1
- Date: Mon, 30 Jan 2023 18:16:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 13:29:18.934878
- Title: Falsification of Internal and External Validity in Observational Studies
via Conditional Moment Restrictions
- Title（参考訳）: 条件モーメント制約による観測研究における内部的・外部的妥当性の改ざん
- Authors: Zeshan Hussain, Ming-Chieh Shih, Michael Oberst, Ilker Demirel, David
Sontag
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.9347431938654465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Randomized Controlled Trials (RCT)s are relied upon to assess new treatments,
but suffer from limited power to guide personalized treatment decisions. On the
other hand, observational (i.e., non-experimental) studies have large and
diverse populations, but are prone to various biases (e.g. residual
confounding). To safely leverage the strengths of observational studies, we
focus on the problem of falsification, whereby RCTs are used to validate causal
effect estimates learned from observational data. In particular, we show that,
given data from both an RCT and an observational study, assumptions on internal
and external validity have an observable, testable implication in the form of a
set of Conditional Moment Restrictions (CMRs). Further, we show that expressing
these CMRs with respect to the causal effect, or "causal contrast", as opposed
to individual counterfactual means, provides a more reliable falsification
test. In addition to giving guarantees on the asymptotic properties of our
test, we demonstrate superior power and type I error of our approach on
semi-synthetic and real world datasets. Our approach is interpretable, allowing
a practitioner to visualize which subgroups in the population lead to
falsification of an observational study.
- Abstract（参考訳）: ランダム化対照治験(rct)は、新しい治療の評価に依拠しているが、パーソナライズされた治療決定を導くための限られた力に苦しむ。
一方、観察的(非実験的)な研究は多様で多様な集団を持つが、様々なバイアス(例えば、残留的な反響)が生じる。
観察研究の強みを安全に活用するために,rctが観測データから得られた因果効果推定を検証するために使用される偽造問題に焦点をあてる。
特に、RCTと観察研究の両方から得られたデータから、内部および外部の妥当性に関する仮定は、条件運動制限(CMR)の集合の形で観測可能で検証可能な意味を持つことを示した。
さらに,これらのcmrを因果効果,すなわち「因果コントラスト」に対して表現することで,より信頼性の高い偽造検査が得られることを示す。
実験の漸近特性の保証に加えて、半合成および実世界のデータセットに対するアプローチの優れたパワーとタイプiエラーを実証する。
我々のアプローチは解釈可能であり、実践者は、どのサブグループが観察研究のファルシフィケーションにつながるかを可視化することができる。
関連論文リスト
- Identification of Single-Treatment Effects in Factorial Experiments [0.0]
実験において複数の介入がランダム化されている場合、実験環境外において単一の介入が与える影響は、不在の英雄的仮定とは見なされないことを示す。
観測研究と要因実験は、ゼロおよび複数介入による潜在的アウトカム分布に関する情報を提供する。
この種の設計に頼っている研究者は、関数形式の線形性を正当化するか、あるいはDirected Acyclic Graphsで変数が実世界でどのように関連しているかを特定する必要がある。
論文 参考訳（メタデータ） (2024-05-16T04:01:53Z) - Detecting critical treatment effect bias in small subgroups [11.437076464287822]
本研究では, 平均治療効果以上の観察研究をベンチマークするための新しい手法を提案する。
まず, 2つの研究から推定される治療効果が, 関連する特徴のセットに基づいて, ある程度の許容範囲で異なるという, ヌル仮説の統計的試験を設計する。
次に,観測研究における任意の部分群に対して,最大バイアス強度に対する有意な下限を推定する。
論文 参考訳（メタデータ） (2024-04-29T17:44:28Z) - Hidden yet quantifiable: A lower bound for confounding strength using randomized trials [11.437076464287822]
非ランダム化データから引き出された因果関係の結論を損なう可能性がある。
本稿では,ランダム化試行を利用して未観測のコンバウンディングを定量化する新しい手法を提案する。
実世界における観測不能な共起の存在と存在を、我々の下界が正確に識別する方法を示す。
論文 参考訳（メタデータ） (2023-12-06T19:33:34Z) - Understanding Robust Overfitting from the Feature Generalization Perspective [61.770805867606796]
逆行訓練(AT)は、逆行摂動を自然データに組み込むことで、堅牢なニューラルネットワークを構築する。
これはロバストオーバーフィッティング(RO)の問題に悩まされ、モデルのロバスト性を著しく損なう。
本稿では,新しい特徴一般化の観点からROを考察する。
論文 参考訳（メタデータ） (2023-10-01T07:57:03Z) - A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
実験と観測を組み合わせた二重機械学習手法を提案する。
我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
論文 参考訳（メタデータ） (2023-07-04T02:53:11Z) - Falsification before Extrapolation in Causal Effect Estimation [6.715453431174765]
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。
論文 参考訳（メタデータ） (2022-09-27T21:47:23Z) - Variational Temporal Deconfounder for Individualized Treatment Effect
Estimation from Longitudinal Observational Data [8.347630187110004]
経年的観察データから治療効果を推定するための既存のアプローチは、通常「不整合性」という強い仮定に基づいて構築される。
本稿では, プロキシを用いた縦方向設定における深部変分埋め込みを応用した変分時間デコノミー(VTD)を提案する。
我々は,本手法を人工的および実世界の臨床データの両方で検証し,本手法が他の既存モデルと比較して有意な偏りを隠蔽する場合に有効であることを示した。
論文 参考訳（メタデータ） (2022-07-23T16:43:12Z) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳（メタデータ） (2021-12-14T17:53:01Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - 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) - 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。