論文の概要: Constructing Synthetic Treatment Groups without the Mean Exchangeability Assumption

• arxiv url: http://arxiv.org/abs/2309.16409v1
• Date: Thu, 28 Sep 2023 13:00:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-29 14:26:25.362994
• Title: Constructing Synthetic Treatment Groups without the Mean Exchangeability Assumption
• Title（参考訳）: 平均交換性を考慮した合成処理グループの構築
• Authors: Yuhang Zhang, Yue Liu, Zhihua Zhang
• Abstract要約: 本研究は,源集団の処理群を加重混合することにより,対象個体群に対する合成処理群を構築した。 我々は, シーブ半パラメトリック理論に基づいて, 合成処理群の正規性を確立する。
• 参考スコア（独自算出の注目度）: 32.849140378576095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The purpose of this work is to transport the information from multiple randomized controlled trials to the target population where we only have the control group data. Previous works rely critically on the mean exchangeability assumption. However, as pointed out by many current studies, the mean exchangeability assumption might be violated. Motivated by the synthetic control method, we construct a synthetic treatment group for the target population by a weighted mixture of treatment groups of source populations. We estimate the weights by minimizing the conditional maximum mean discrepancy between the weighted control groups of source populations and the target population. We establish the asymptotic normality of the synthetic treatment group estimator based on the sieve semiparametric theory. Our method can serve as a novel complementary approach when the mean exchangeability assumption is violated. Experiments are conducted on synthetic and real-world datasets to demonstrate the effectiveness of our methods.
• Abstract（参考訳）: 本研究の目的は、複数のランダム化制御試験から、制御群データしか持たないターゲット集団に情報を転送することである。 以前の研究は平均交換可能性の仮定に批判的に依存している。 しかし、多くの研究で指摘されているように、平均交換可能性の仮定は破られるかもしれない。 本研究は, 合成制御法により, 原料集団の処理群を加重混合することにより, 対象個体群に対する合成処理群を構築した。 資源集団の重み付き対照群と対象集団との条件付き最大平均差を最小にすることで重量を推定する。 本研究は,Sieve semiparametric theoryに基づく合成処理群推定器の漸近正規性を確立した。 本手法は平均交換可能性仮定に違反した場合に新たな相補的アプローチとして機能する。 本手法の有効性を実証するために,合成および実世界のデータセットを用いて実験を行った。

関連論文リスト

• Heterogeneous Treatment Effects in Panel Data [1.5535138991304305]
  回帰木を用いて,観測結果を類似の処理効果で解離クラスタに分割する手法を提案し,評価する。 我々の理論的結果は、結果の見積もりを真の治療効果に収束させるものである。
  論文  参考訳（メタデータ） (2024-06-09T04:02:08Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Who Are We Missing? A Principled Approach to Characterizing the Underrepresented Population [5.568543786710628]
  最適化に基づく最適化手法であるROOT(Rashomon Set of Optimal Trees)を導入する。 ROOTは、ターゲット平均処理効果推定値の分散を最小化して、ターゲットサブポピュレーション分布を最適化する。 我々の枠組みは、意思決定の精度を高め、多様な集団における将来の試行を通知するための体系的なアプローチを提供する。
  論文  参考訳（メタデータ） (2024-01-25T21:11:35Z)
• Asymptotically Unbiased Synthetic Control Methods by Distribution Matching [14.030354616779325]
  既存の合成制御法(SCM)は内在性問題、未処理単位の結果と合成制御の誤差項との相関に悩まされ、処理効果推定器のバイアスが生じる。 本研究では,非処理単位の接合密度の重み付き平均により,処理単位の結果の密度を近似できると仮定して,密度マッチングに基づく新しいSCMを提案する。
  論文  参考訳（メタデータ） (2023-07-20T15:52:22Z)
• 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)
• Sample Constrained Treatment Effect Estimation [28.156207324508706]
  我々は,効率的なランダム化制御試験を設計することに集中し,治療の効果を正確に見積もる。 特に, サンプル制約による治療効果の推定について検討し, 実験を行うには, 集団から$s ll n$のサブセットを選択する必要がある。
  論文  参考訳（メタデータ） (2022-10-12T21:13:47Z)
• Rethinking Collaborative Metric Learning: Toward an Efficient Alternative without Negative Sampling [156.7248383178991]
  コラボレーティブ・メトリック・ラーニング(CML)パラダイムはレコメンデーション・システム(RS)分野に広く関心を集めている。 負のサンプリングが一般化誤差のバイアス付き推定に繋がることがわかった。 そこで我々は,SFCML (textitSampling-Free Collaborative Metric Learning) という名前のCMLに対して,負のサンプリングを伴わない効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T08:50:22Z)
• Weighting-Based Treatment Effect Estimation via Distribution Learning [14.438302755258547]
  本研究では,処理効果推定のための分布学習に基づく重み付け手法を開発した。 提案手法は,最先端の重み付けのみのベンチマーク手法よりも優れている。 2倍のロス率推定フレームワークの下では、その優位性を維持している。
  論文  参考訳（メタデータ） (2020-12-26T20:15:44Z)
• Robust Recursive Partitioning for Heterogeneous Treatment Effects with Uncertainty Quantification [84.53697297858146]
  治療効果のサブグループ分析は、医療から公共政策、レコメンデーターシステムへの応用において重要な役割を担っている。 サブグループ分析の現在の手法のほとんどは、個別化処理効果(ITE)を推定するための特定のアルゴリズムから始まる。 本稿では、これらの弱点に対処する新しい部分群解析法R2Pを開発する。
  論文  参考訳（メタデータ） (2020-06-14T14:50:02Z)
• Learning Decomposed Representation for Counterfactual Inference [53.36586760485262]
  観察データから治療効果を推定する際の根本的な問題は、共同設立者の識別とバランスである。 これまでの方法の多くは、観察されたすべての事前処理変数を共同創設者として扱い、共同創設者と非共同創設者の識別をさらに無視することで、共同ファウンダーのバランスを実現していた。 本研究では,1)共同創設者と非共同創設者の両方の表現を学習することで共同創設者を同定し,2)再重み付け手法のバランスをとるとともに,同時に,反実的推論による観察研究における治療効果を推定する相乗的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-12T09:50:42Z)

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。