論文の概要: Identification and multiply robust estimation in causal mediation
analysis with treatment noncompliance
- arxiv url: http://arxiv.org/abs/2304.10025v2
- Date: Sat, 20 May 2023 22:41:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 03:10:03.541289
- Title: Identification and multiply robust estimation in causal mediation
analysis with treatment noncompliance
- Title(参考訳): 治療不適合を伴う因果的調停分析における同定と多元的ロバスト推定
- Authors: Chao Cheng and Fan Li
- Abstract要約: 本研究は, 排除制限を伴わない治療非コンプライアンスの有無で, 因果仲裁を評価するための半パラメトリックな枠組みについて考察する。
本研究では, 主媒介効果推定のための効率的な影響関数を導出し, 推定のための乗算ロバストな推定器のセットを動機づける。
- 参考スコア(独自算出の注目度): 8.148027560648641
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In experimental and observational studies, there is often interest in
understanding the mechanism through which an intervention program improves the
final outcome. Causal mediation analyses have been developed for this purpose
but are primarily considered for the case of perfect treatment compliance, with
a few exceptions that require the exclusion restriction assumption. In this
article, we consider a semiparametric framework for assessing causal mediation
in the presence of treatment noncompliance without the exclusion restriction.
We propose a set of assumptions to identify the natural mediation effects for
the entire study population and further, for the principal natural mediation
effects within subpopulations characterized by the potential compliance
behavior. We derive the efficient influence functions for the principal natural
mediation effect estimands and motivate a set of multiply robust estimators for
inference. The multiply robust estimators remain consistent to their respective
estimands under four types of misspecification of the working models and are
efficient when all nuisance models are correctly specified. We further
introduce a nonparametric extension of the proposed estimators by incorporating
machine learners to estimate the nuisance functions. Sensitivity analysis
methods are also discussed for addressing key identification assumptions. We
demonstrate the proposed methods via simulations and an application to a real
data example.
- Abstract(参考訳): 実験および観察研究では、介入プログラムが最終的な結果を改善するメカニズムを理解することにしばしば関心がある。
この目的のために因果仲裁分析が開発されたが、主に完全治療コンプライアンスの場合に考慮され、排他的制限仮定を必要とするいくつかの例外がある。
本稿では, 排除制限を伴わずに, 非適合治療の有無で因果メディエーションを評価するための半パラメトリックフレームワークについて考察する。
本研究は, 研究全体の自然媒介効果と, さらに, 潜在的コンプライアンス行動によって特徴づけられるサブ集団内の主媒介効果を同定するための仮定を提案する。
主自然媒介効果の効率的な影響関数を導出し、推論のための多重ロバストな推定器群を動機づける。
乗算ロバストな推定器は、作業モデルの4種類の誤特定の下でそれぞれの推定値に一致し、すべてのニュアンスモデルが正しく特定されたときに効率的である。
さらに,ニュアサンス関数を推定するために機械学習器を組み込むことにより,提案する推定器の非パラメトリック拡張を提案する。
また、鍵同定仮定に対処するための感度解析手法についても論じる。
提案手法をシミュレーションにより実証し,実データへの適用例を示す。
関連論文リスト
- 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) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - 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) - Neighborhood Adaptive Estimators for Causal Inference under Network
Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。
干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。
このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文 参考訳(メタデータ) (2022-12-07T14:53:47Z) - 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) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳(メタデータ) (2022-08-29T16:16:22Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳(メタデータ) (2022-01-27T22:15:56Z) - Causality and Generalizability: Identifiability and Learning Methods [0.0]
この論文は、因果効果の推定、因果構造学習、および分布的に堅牢な予測方法に関する研究領域に寄与する。
本稿では,データ依存平均二乗予測誤差正規化を用いた機器変数設定における線形・非線形因果関係推定器について述べる。
本稿では,介入誘起分布に関する分布ロバスト性に関する一般的な枠組みを提案する。
論文 参考訳(メタデータ) (2021-10-04T13:12:11Z) - Multiply Robust Causal Mediation Analysis with Continuous Treatments [13.324203991645629]
Tchetgen Tchetgen と Shpitser の影響関数に基づく推定器 (2012) に触発された継続的治療の設定に適した推定器を提案する。
提案手法はクロスフィッティングを用いて,ニュアンス関数の滑らかさ要件を緩和し,対象パラメータよりも遅い速度で推定できるようにする。
論文 参考訳(メタデータ) (2021-05-19T16:58:57Z) - Nonparametric inverse probability weighted estimators based on the
highly adaptive lasso [0.966840768820136]
非パラメトリック逆確率重み付き推定器は非効率であり、次元性の呪いに苦しむことが知られている。
高度適応型ラッソのアンダースムーシングにより重み付け機構を推定する非パラメトリック逆確率重み付き推定器のクラスを提案する。
我々の開発は、大規模統計モデルと様々な問題設定における効率的な逆確率重み付き推定器の構築に幅広い意味を持つ。
論文 参考訳(メタデータ) (2020-05-22T17:49:46Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z)
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。