論文の概要: Causal Effect Estimation from Observational and Interventional Data
Through Matrix Weighted Linear Estimators
- arxiv url: http://arxiv.org/abs/2306.06002v1
- Date: Fri, 9 Jun 2023 16:16:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-12 12:29:13.124410
- Title: Causal Effect Estimation from Observational and Interventional Data
Through Matrix Weighted Linear Estimators
- Title（参考訳）: 行列重み付き線形推定器による観察および介入データからの因果効果の推定
- Authors: Klaus-Rudolf Kladny, Julius von K\"ugelgen, Bernhard Sch\"olkopf,
Michael Muehlebach
- Abstract要約: 本研究では,観測データと介入データの混合から因果効果を推定する。
予測二乗誤差の統計的効率は推定器を組み合わせることで向上できることを示す。
- 参考スコア（独自算出の注目度）: 11.384045395629123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study causal effect estimation from a mixture of observational and
interventional data in a confounded linear regression model with multivariate
treatments. We show that the statistical efficiency in terms of expected
squared error can be improved by combining estimators arising from both the
observational and interventional setting. To this end, we derive methods based
on matrix weighted linear estimators and prove that our methods are
asymptotically unbiased in the infinite sample limit. This is an important
improvement compared to the pooled estimator using the union of interventional
and observational data, for which the bias only vanishes if the ratio of
observational to interventional data tends to zero. Studies on synthetic data
confirm our theoretical findings. In settings where confounding is substantial
and the ratio of observational to interventional data is large, our estimators
outperform a Stein-type estimator and various other baselines.
- Abstract（参考訳）: 多変量処理と統合した線形回帰モデルにおいて,観察データと介入データの混合から因果効果を推定する。
予測二乗誤差の観点からの統計的効率は,観察的および介入的設定の両方から生じる推定値を組み合わせることで向上できることを示す。
この目的のために,行列重み付き線形推定器に基づく手法を導出し,無限サンプル極限において漸近的に偏りがないことを証明した。
これは、観察データと介入データの比率がゼロになる場合のみバイアスが消える介入データと観察データの結合を用いたプール推定装置と比較して重要な改善である。
合成データの研究は、我々の理論的発見を裏付ける。
コンファウンデーションが実質的であり、観察データと介入データの比率が大きい環境では、我々の推定値はスタイン型推定器や他の様々なベースラインを上回る。
関連論文リスト
- On semi-supervised estimation using exponential tilt mixture models [12.347498345854715]
バイナリ応答と予測器のラベル付きデータセットと、予測器のみのラベル付きデータセットによる半教師付き設定を考えてみましょう。
半教師付き推定のために,指数傾斜混合(ETM)モデルを用いた統計的アプローチのさらなる解析と理解を開発する。
論文 参考訳（メタデータ） (2023-11-14T19:53:26Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - Covariate-Balancing-Aware Interpretable Deep Learning models for
Treatment Effect Estimation [15.465045049754336]
本稿では, 高い無知性仮定の下での平均処理推定値のバイアスの上限について提案する。
新たな付加型ニューラルネットワークアーキテクチャを活用することにより、目的関数としてこの上限を実装する。
提案手法は、因果推論のためのベンチマークデータセットを再検討し、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-03-07T07:42:40Z) - Statistical Inference for High-Dimensional Linear Regression with
Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。
本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。
アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文 参考訳（メタデータ） (2021-06-07T05:12:42Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T14:29:07Z) - On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。
本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。
また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文 参考訳（メタデータ） (2020-06-14T12:47:34Z) - 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) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳（メタデータ） (2020-06-02T16:26:49Z) - 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) - Estimating Treatment Effects with Observed Confounders and Mediators [25.338901482522648]
因果グラフが与えられた場合、do-calculusは経験的に推定できる観察関節分布の関数として治療効果を表現することができる。
時折、do-calculusは複数の有効な公式を識別し、対応する推定器の統計特性を比較するように促す。
本稿では,共同創設者と仲介者の両方が観察される過度に同定されたシナリオについて検討し,両推定手法の有効性を検証した。
論文 参考訳（メタデータ） (2020-03-26T15:50:25Z)
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。