論文の概要: Causal Estimation of Exposure Shifts with Neural Networks
- arxiv url: http://arxiv.org/abs/2302.02560v4
- Date: Sun, 25 Aug 2024 02:46:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 01:26:59.191088
- Title: Causal Estimation of Exposure Shifts with Neural Networks
- Title(参考訳): ニューラルネットワークによる露光シフトの因果推定
- Authors: Mauricio Tec, Kevin Josey, Oladimeji Mudele, Francesca Dominici,
- Abstract要約: 本稿では、ニューラルネットワーク(TRESNET)を用いた露光シフトのための目標正規化を導入し、シフト応答関数(SRF)の推定を行う。
次に,米国国家大気基準(NAAQS)を12$mug/m3$から9$mug/m3$に改定する際の因果効果を推定するために,本手法を適用した。
- 参考スコア(独自算出の注目度): 2.9248916859490173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A fundamental task in causal inference is estimating the effect of distribution shift in the treatment variable. We refer to this problem as shift-response function (SRF) estimation. Existing neural network methods for causal inference lack theoretical guarantees and practical implementations for SRF estimation. In this paper, we introduce Targeted Regularization for Exposure Shifts with Neural Networks (TRESNET), a method to estimate SRFs with robustness and efficiency guarantees. Our contributions are twofold. First, we propose a targeted regularization loss for neural networks with theoretical properties that ensure double robustness and asymptotic efficiency specific to SRF estimation. Second, we extend targeted regularization to support loss functions from the exponential family to accommodate non-continuous outcome distributions (e.g., discrete counts). We conduct benchmark experiments demonstrating TRESNET's broad applicability and competitiveness. We then apply our method to a key policy question in public health to estimate the causal effect of revising the US National Ambient Air Quality Standards (NAAQS) for PM 2.5 from 12 ${\mu}g/m^3$ to 9 ${\mu}g/m^3$. This change has been recently proposed by the US Environmental Protection Agency (EPA). Our goal is to estimate the reduction in deaths that would result from this anticipated revision using data consisting of 68 million individuals across the U.S.
- Abstract(参考訳): 因果推論における基本的な課題は、処理変数の分布シフトの影響を推定することである。
本稿では、この問題をシフト応答関数(SRF)推定と呼ぶ。
因果推論のための既存のニューラルネットワーク手法は、理論的な保証とSRF推定のための実践的な実装を欠いている。
本稿では,ニューラルネットワークを用いた露光シフトのためのターゲット正規化(TRESNET)を提案する。
私たちの貢献は2倍です。
まず、SRF推定に特有の二重ロバスト性および漸近効率を保証する理論特性を持つニューラルネットワークの目標正規化損失を提案する。
第2に、非連続的な結果分布(例えば離散数)に対応するために指数関数からの損失関数をサポートするために、ターゲット正規化を拡張した。
我々は、TRESNETの幅広い適用性と競争性を実証するベンチマーク実験を行う。
次に、我々の手法を公衆衛生における重要な政策問題に適用し、12${\mu}g/m^3$から9${\mu}g/m^3$へのPM 2.5の米国国家大気基準(NAAQS)改正の因果効果を推定する。
この変更は米国環境保護庁(EPA)によって最近提案されている。
私たちの目標は、米国全体で6800万人からなるデータを用いて、この予想される修正の結果生じる死亡数の減少を見積もることです。
関連論文リスト
- Doubly Robust Causal Effect Estimation under Networked Interference via Targeted Learning [24.63284452991301]
ネットワーク干渉下での2つの頑健な因果効果推定器を提案する。
具体的には,対象とする学習手法をネットワーク干渉設定に一般化する。
我々は、同定された理論条件を目標損失に変換することによって、エンドツーエンドの因果効果推定器を考案する。
論文 参考訳(メタデータ) (2024-05-06T10:49:51Z) - 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) - TNDDR: Efficient and doubly robust estimation of COVID-19 vaccine
effectiveness under the test-negative design [0.46426477564038643]
テスト陰性設計(TND)は、結果依存サンプリングによる選択バイアスの影響を受けやすい。
我々はTNDDR(TND-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- D-D-D-D-D-D-D-D-D-D-D-D-D-D-D
カナダ・クエベック州の地域在住高齢者(高齢者60ドル以上)の管理データセットに、COVID-19 VEを推定するために適用した。
論文 参考訳(メタデータ) (2023-10-06T20:40:59Z) - 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) - Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment
Effect Estimation [137.3520153445413]
下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。
我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。
研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
論文 参考訳(メタデータ) (2023-07-11T02:58:10Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳(メタデータ) (2023-02-06T05:17:22Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳(メタデータ) (2022-10-11T18:00:02Z) - An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest [5.406112598028401]
我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
論文 参考訳(メタデータ) (2022-04-23T01:36:24Z) - Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。
本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。
画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
論文 参考訳(メタデータ) (2021-06-18T16:34:23Z) - Estimating the Uncertainty of Neural Network Forecasts for Influenza
Prevalence Using Web Search Activity [3.632189127068905]
インフルエンザは伝染病であり、パンデミックになる可能性がある。
有病率を予測することは、効果的な対応を計画するための重要な取り組みである。
論文 参考訳(メタデータ) (2021-05-26T09:45:23Z) - Neural Networks and Value at Risk [59.85784504799224]
リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。
株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。
はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
論文 参考訳(メタデータ) (2020-05-04T17:41:59Z)
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。