論文の概要: Conditional Instrumental Variable Regression with Representation Learning for Causal Inference

• arxiv url: http://arxiv.org/abs/2310.01865v1
• Date: Tue, 3 Oct 2023 08:08:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 16:52:24.502967
• Title: Conditional Instrumental Variable Regression with Representation Learning for Causal Inference
• Title（参考訳）: 因果推論のための表現学習を用いた条件付き変数回帰
• Authors: Debo Cheng, Ziqi Xu, Jiuyong Li, Lin Liu, Jixue Liu and Thuc Duy Le (UniSA STEM, University of South Australia, Australia)
• Abstract要約: 本稿では,観測データから因果効果を推定する上での課題について考察する。 本稿では,非保守的共同設立者からの共起バイアスを解消し,観察された共同設立者のバランスをとるために,共起バランス表現学習(CBRL.CIV)による非線形回帰を提案する。
• 参考スコア（独自算出の注目度）: 20.454641170078812
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper studies the challenging problem of estimating causal effects from observational data, in the presence of unobserved confounders. The two-stage least square (TSLS) method and its variants with a standard instrumental variable (IV) are commonly used to eliminate confounding bias, including the bias caused by unobserved confounders, but they rely on the linearity assumption. Besides, the strict condition of unconfounded instruments posed on a standard IV is too strong to be practical. To address these challenging and practical problems of the standard IV method (linearity assumption and the strict condition), in this paper, we use a conditional IV (CIV) to relax the unconfounded instrument condition of standard IV and propose a non-linear CIV regression with Confounding Balancing Representation Learning, CBRL.CIV, for jointly eliminating the confounding bias from unobserved confounders and balancing the observed confounders, without the linearity assumption. We theoretically demonstrate the soundness of CBRL.CIV. Extensive experiments on synthetic and two real-world datasets show the competitive performance of CBRL.CIV against state-of-the-art IV-based estimators and superiority in dealing with the non-linear situation.
• Abstract（参考訳）: 本稿では,観測データから因果効果を推定する上での課題について考察する。 2段階最小二乗法(tsls)とその標準インストゥルメンタル変数(iv)の変種は、観察されていない共同設立者によって引き起こされるバイアスを含む共起バイアスを取り除くために一般的に用いられるが、それらは線形性仮定に依存している。 さらに、標準IVに課せられる未定の楽器の厳密な条件は、実用的すぎるほど強くない。 本稿では, 標準IV法(線形性仮定と厳密性条件)のこれらの課題に対処するために, 条件IV(CIV)を用いて, 標準IVの非整合楽器条件を緩和し, 線形性仮定を使わずに, 観測された共同設立者から共起バイアスを除去する, 共起バランス表現学習(CBRL.CIV)による非線形CIV回帰を提案する。 理論的にはCBRL.CIVの音質を実証する。 CBRL.CIVの最先端IVベース推定器に対する競争性能と非線形状況への対処における優位性を示す。

関連論文リスト

• Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data [44.31792000298105]
  病状平均治療効果(CATE)の正確な予測は、パーソナライズされた医療とデジタルプラットフォーム分析において重要である。 我々は,信頼性の高いCATE推定を実現するために,IVと観測データを組み合わせた新しい手法を開発した。
  論文  参考訳（メタデータ） (2024-06-10T16:40:55Z)
• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• Regularized DeepIV with Model Selection [72.17508967124081]
  正規化DeepIV(RDIV)回帰は最小ノルムIV解に収束することができる。 我々の手法は現在の最先端の収束率と一致している。
  論文  参考訳（メタデータ） (2024-03-07T05:38:56Z)
• Learning Conditional Instrumental Variable Representation for Causal Effect Estimation [20.546911588972737]
  因果効果推定のための条件セットとCIVの表現を学習・拡張するための新しい手法DVAE.CIVを提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:27:15Z)
• Causal Inference with Conditional Instruments using Deep Generative Models [21.771832598942677]
  標準IVは、処理変数と関係があり、システム内の他のすべての変数とは独立していると期待されている。 変数を変数の集合に条件付けするための条件付きIV(CIV)法が提案されている。 平均因果効果推定のために,CIVの表現とその条件セットを,潜伏した共同設立者とのデータから学習することを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:31:54Z)
• Confounder Balancing for Instrumental Variable Regression with Latent Variable [29.288045682505615]
  本稿では,未測定の共同設立者からの共謀効果と,IV回帰における観察された共同設立者の不均衡について検討する。 我々は、計測されていない共同設立者からバイアスを取り除き、観察された共同設立者の不均衡を取り除くために、共同設立者バランスIV回帰(CB-IV)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-18T03:13:53Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• On the instrumental variable estimation with many weak and invalid instruments [1.837552179215311]
  楽器変数(IV)モデルにおける計算の基本的な問題点について検討する。 スパースペナルティ構造と等価な「スパース特性」を仮定し,サロゲートステップ同定法の利点を検証し,証明する。 スパース同定条件に整合した代理ステップ選択推定法を提案する。
  論文  参考訳（メタデータ） (2022-07-07T01:31:34Z)
• Ancestral Instrument Method for Causal Inference without Complete Knowledge [0.0]
  観測データから因果効果を推定する主な障害は、観測不能な共起である。 条件IVは、観測変数の集合を条件付けすることで標準IVの要求を緩和するために提案されている。 本研究では,祖先IVと観測データを用いた因果効果推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-11T07:02:16Z)
• Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning [107.70165026669308]
  オフライン強化学習(RL)では、事前収集された観測データのみから最適なポリシーが学習される。 遷移力学が加法的非線形汎関数形式を持つようなマルコフ決定過程について検討する。 そこで本稿では,条件付きモーメント制限の原始的2次元再構成に基づく,証明可能なIVVIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-19T13:01:40Z)
• 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)

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。