論文の概要: Partial Identification of Causal Effects Using Proxy Variables
- arxiv url: http://arxiv.org/abs/2304.04374v2
- Date: Sun, 23 Apr 2023 00:36:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 20:20:46.427682
- Title: Partial Identification of Causal Effects Using Proxy Variables
- Title（参考訳）: プロキシ変数を用いた因果効果の部分的同定
- Authors: AmirEmad Ghassami, Ilya Shpitser, Eric Tchetgen Tchetgen
- Abstract要約: 本稿では,橋梁関数の完全性を必要としない部分的同定手法を提案し,橋梁関数の同定の必要性を回避した。
我々は、保存されていない共同創設者のプロキシを利用して、治療が結果に因果的影響を及ぼし得ることを確証する。
- 参考スコア（独自算出の注目度）: 13.32091725929965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Proximal causal inference is a recently proposed framework for evaluating the
causal effect of a treatment on an outcome variable in the presence of
unmeasured confounding (Miao et al., 2018; Tchetgen Tchetgen et al., 2020). For
nonparametric point identification of causal effects, the framework leverages a
pair of so-called treatment and outcome confounding proxy variables, in order
to identify a bridge function that matches the dependence of potential outcomes
or treatment variables on the hidden factors to corresponding functions of
observed proxies. Unique identification of a causal effect via a bridge
function crucially requires that proxies are sufficiently relevant for hidden
factors, a requirement that has previously been formalized as a completeness
condition. However, completeness is well-known not to be empirically testable,
and although a bridge function may be well-defined in a given setting, lack of
completeness, sometimes manifested by availability of a single type of proxy,
may severely limit prospects for identification of a bridge function and thus a
causal effect; therefore, potentially restricting the application of the
proximal causal framework. In this paper, we propose partial identification
methods that do not require completeness and obviate the need for
identification of a bridge function. That is, we establish that proxies of
unobserved confounders can be leveraged to obtain bounds on the causal effect
of the treatment on the outcome even if available information does not suffice
to identify either a bridge function or a corresponding causal effect of
interest. We further establish analogous partial identification results in
related settings where identification hinges upon hidden mediators for which
proxies are available, however such proxies are not sufficiently rich for point
identification of a bridge function or a corresponding causal effect of
interest.
- Abstract（参考訳）: Miao et al., 2018; Tchetgen Tchetgen et al., 2020) は, 近位因果推論(proximal causal inference, 近位因果推論)が, 未測定共生の有無による結果変数に対する治療の因果効果を評価するためのフレームワークである。
因果効果の非パラメトリックな点同定のために、このフレームワークは、観測されたプロキシの対応する関数に対する隠れた要因に対する潜在的結果や治療変数の依存性に一致するブリッジ関数を特定するために、いわゆる処理と結果の共起プロキシ変数を利用する。
ブリッジ関数による因果効果の特異な同定は、以前は完全性条件として定式化された要件である隠蔽因子にプロキシが十分関連していることを要求する。
しかし、完全性は経験的にテストできないことがよく知られており、ブリッジ関数は所定の設定で明確に定義できるが、単一のタイプのプロキシが利用可能であることによって表される完全性不足は、ブリッジ関数の識別と因果効果を著しく制限する可能性がある。
本稿では,完全性を必要としない部分同定法を提案し,橋梁関数の同定の必要性を解消する。
すなわち,橋梁機能やそれに対応する因果効果の識別に十分な情報がない場合でも,観察されていない共同創設者のプロキシを利用して結果に対する治療の因果効果の境界を得ることができる。
さらに、プロキシが利用可能である隠されたメディエータに対する識別ヒンジが関連する設定で類似部分識別結果を確立するが、そのようなプロキシはブリッジ関数のポイント識別やそれに対応する因果効果に十分ではない。
関連論文リスト
- Automating the Selection of Proxy Variables of Unmeasured Confounders [16.773841751009748]
既存のプロキシ変数推定器を拡張して、治療と結果の間に複数の未測定の共同創設者が存在するシナリオに対応する。
本稿では、プロキシ変数の選択と因果効果の偏りのない推定のための2つのデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2024-05-25T08:53:49Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Interventional Causal Representation Learning [75.18055152115586]
因果表現学習は、低レベルの感覚データから高レベルの潜伏因子を抽出しようとする。
介入データは因果表現学習を促進するか?
介入データは、しばしば潜伏因子の支援の幾何学的シグネチャを持つことを示す。
論文 参考訳（メタデータ） (2022-09-24T04:59:03Z) - Inference on Strongly Identified Functionals of Weakly Identified
Functions [71.42652863687117]
本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。
本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
論文 参考訳（メタデータ） (2022-08-17T13:38:31Z) - What's the Harm? Sharp Bounds on the Fraction Negatively Affected by
Treatment [58.442274475425144]
我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。
シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
論文 参考訳（メタデータ） (2022-05-20T17:36:33Z) - Proximal Causal Inference with Hidden Mediators: Front-Door and Related
Mediation Problems [18.84623320851991]
隠れた共同創設者の存在下での観察データから因果関係を識別する枠組みとして,近因果関係推論が提案されている。
我々は,従来のフロントドア結果を拡張して,プロキシが利用可能な隠れメディエータを実現するための,新しい隠れフロントドア基準を確立する。
i) と (ii) の課題が共存する環境においても, 特定の因果効果の同定が引き続き可能であることを示す。
論文 参考訳（メタデータ） (2021-11-04T15:04:26Z) - Nested Counterfactual Identification from Arbitrary Surrogate
Experiments [95.48089725859298]
観測と実験の任意の組み合わせからネスト反事実の同定について検討した。
具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
論文 参考訳（メタデータ） (2021-07-07T12:51:04Z) - 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) - A Class of Algorithms for General Instrumental Variable Models [29.558215059892206]
因果治療効果の推定は、様々な現実世界で発生する重要な問題である。
連続分布における因果効果のバウンディング法を提案する。
論文 参考訳（メタデータ） (2020-06-11T12:32:24Z)
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。