論文の概要: An Efficient Doubly-Robust Test for the Kernel Treatment Effect
- arxiv url: http://arxiv.org/abs/2304.13237v2
- Date: Tue, 31 Oct 2023 19:09:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 17:39:39.711190
- Title: An Efficient Doubly-Robust Test for the Kernel Treatment Effect
- Title(参考訳): 核処理効果の効率的な二重ロバスト試験
- Authors: Diego Martinez-Taboada, Aaditya Ramdas, Edward H. Kennedy
- Abstract要約: 本稿では,この処理の分散効果に対するカーネルベースの新しい試験法を提案する。
これは私たちの知る限り、最初のカーネルベースで2倍の不正なテストであり、確実に有効な型Iエラーです。
- 参考スコア(独自算出の注目度): 31.522078399310466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The average treatment effect, which is the difference in expectation of the
counterfactuals, is probably the most popular target effect in causal inference
with binary treatments. However, treatments may have effects beyond the mean,
for instance decreasing or increasing the variance. We propose a new
kernel-based test for distributional effects of the treatment. It is, to the
best of our knowledge, the first kernel-based, doubly-robust test with provably
valid type-I error. Furthermore, our proposed algorithm is computationally
efficient, avoiding the use of permutations.
- Abstract(参考訳): 平均的な治療効果は、偽物に対する期待の差であり、おそらく因果的推論と二元的治療において最も一般的な標的効果である。
しかし、治療は平均を超える効果があり、例えば、分散を減少または増大させる。
本稿では,治療の分布的効果に関する新しいカーネルベーステストを提案する。
私たちの知る限りでは、最初のカーネルベースの二重ロバストテストであり、有効なtype-iエラーである。
さらに,提案アルゴリズムは計算効率が高く,置換法の使用を回避できる。
関連論文リスト
- Doubly Robust Estimation of Direct and Indirect Quantile Treatment
Effects with Machine Learning [0.0]
本稿では, 直接的および間接的量子的処理効果の機械学習推定器を提案する。
提案手法は,確率結果の累積分布関数の効率的なスコア関数に基づく。
また,統計的推測のための乗算器ブートストラップを提案し,乗算器の有効性を示す。
論文 参考訳(メタデータ) (2023-07-03T14:27:15Z) - B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under
Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。
我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文 参考訳(メタデータ) (2023-04-20T18:07:19Z) - Proximal Causal Learning of Conditional Average Treatment Effects [0.0]
異種治療効果を学習するための2段階損失関数を提案する。
提案手法は,市販の損失最小化機械学習手法により実装できる。
論文 参考訳(メタデータ) (2023-01-26T02:56:36Z) - NESTER: An Adaptive Neurosymbolic Method for Causal Effect Estimation [37.361149306896024]
観測データからの因果効果推定は因果推論における中心的な問題である。
我々はニューロシンボリック因果効果推定器(NESTER)という適応手法を提案する。
我々の総合的な実験結果から、NESTERはベンチマークデータセットの最先端手法よりも優れた性能を示している。
論文 参考訳(メタデータ) (2022-11-08T16:48:46Z) - On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。
分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2022-02-28T13:01:04Z) - 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) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-11T03:38:16Z) - Higher-Order Orthogonal Causal Learning for Treatment Effect [15.652550362252205]
本稿では,スコア関数から回収したデバイアス推定値を得るアルゴリズムを提案する。
また、シミュレーションデータセットと実データセットの両方を用いてスコア関数から構築した推定器のパワーをテストするための総合実験も実施する。
論文 参考訳(メタデータ) (2021-03-22T14:04:13Z) - On the role of surrogates in the efficient estimation of treatment
effects with limited outcome data [60.523606291705214]
一次関心の結果がほとんど観察されない場合, 治療効果を推定する問題について検討した。
平均治療効果(ATE)の半パラメトリック下限は,サロゲートの存在と非存在の両方で導かれる。
本稿では,フレキシブルな機械学習手法に基づくATE推定器と推論手法を提案し,ニュアンスパラメータを推定する。
論文 参考訳(メタデータ) (2020-03-27T13:31:49Z) - 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) - Efficient Discovery of Heterogeneous Quantile Treatment Effects in
Randomized Experiments via Anomalous Pattern Detection [1.9346186297861747]
治療効果サブセットスキャン(TESS)は、ランダム化実験においてどのサブ集団が治療によって最も影響を受けているかを発見する新しい方法である。
このアルゴリズムに加えて、処理効果のない鋭いヌル仮説の下では、I型とII型のエラーを制御できることを実証する。
論文 参考訳(メタデータ) (2018-03-24T20:21:06Z)
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。