論文の概要: Inverting estimating equations for causal inference on quantiles
- arxiv url: http://arxiv.org/abs/2401.00987v1
- Date: Tue, 2 Jan 2024 01:52:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 15:13:53.687093
- Title: Inverting estimating equations for causal inference on quantiles
- Title（参考訳）: 分位数上の因果推論のための逆推定方程式
- Authors: Chao Cheng, Fan Li
- Abstract要約: 因果推論解のクラスを、潜在的な結果の平均をその量子化量に推定することから一般化する。
本研究の結果から, 平均因果推定値を用いて因果推定を行うことにより, 因果推定を容易化できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 9.216100284591636
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The causal inference literature frequently focuses on estimating the mean of
the potential outcome, whereas the quantiles of the potential outcome may carry
important additional information. We propose a universal approach, based on the
inverse estimating equations, to generalize a wide class of causal inference
solutions from estimating the mean of the potential outcome to its quantiles.
We assume that an identifying moment function is available to identify the mean
of the threshold-transformed potential outcome, based on which a convenient
construction of the estimating equation of quantiles of potential outcome is
proposed. In addition, we also give a general construction of the efficient
influence functions of the mean and quantiles of potential outcomes, and
identify their connection. We motivate estimators for the quantile estimands
with the efficient influence function, and develop their asymptotic properties
when either parametric models or data-adaptive machine learners are used to
estimate the nuisance functions. A broad implication of our results is that one
can rework the existing result for mean causal estimands to facilitate causal
inference on quantiles, rather than starting from scratch. Our results are
illustrated by several examples.
- Abstract（参考訳）: 因果推論の文献は、しばしば潜在的な結果の平均を推定することに焦点を当てているが、潜在的な結果の質は重要な追加情報をもたらす可能性がある。
逆推定方程式に基づく普遍的アプローチを提案し、潜在的な結果の平均をその量子化量に推定することから、幅広い種類の因果推論解を一般化する。
本研究は、ポテンシャル結果の量子化方程式を簡易に構築したしきい値変換されたポテンシャル結果の平均を同定するために、同定モーメント関数が利用できると仮定する。
さらに,潜在的結果の平均と質の効率的な影響関数の一般構築を行い,それらの関係を同定する。
我々は, 定量的な影響関数を用いた量的推定の動機付けを行い, パラメトリックモデルとデータ適応機械学習者がニュアサンス関数を推定する場合の漸近的特性を発達させる。
我々の結果の広範な含意は、既存の結果を平均因果的推定のために再作成し、質的推論をスクラッチから始めるのではなく、促進できるということである。
私たちの結果はいくつかの例で示されています。
関連論文リスト
- Graph-based Complexity for Causal Effect by Empirical Plug-in [56.14597641617531]
本稿では、因果効果クエリに対する経験的プラグイン推定の計算複雑性に焦点を当てる。
計算は、推定値のハイパーグラフに依存するため、データサイズにおいて、潜在的に線形な時間で効率的に行うことができることを示す。
論文 参考訳（メタデータ） (2024-11-15T07:42:01Z) - Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。
観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。
本手法は, 推定手法よりも有効であることを示す。
論文 参考訳（メタデータ） (2024-08-26T08:39:09Z) - 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) - Feature selection in stratification estimators of causal effects:
lessons from potential outcomes, causal diagrams, and structural equations [0.456877715768796]
このアプローチは、多くの広く興奮された結果の根底にある基本的な統計現象を明らかにする。
本発表は,因果効果推定研究のための3つの方法論的伝統からの知見を組み合わせたものである。
論文 参考訳（メタデータ） (2022-09-23T04:20:50Z) - 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) - Data Augmentation in the Underparameterized and Overparameterized
Regimes [7.326504492614808]
我々は,データの増大が推定値の分散と限定分布に与える影響を定量化する。
その結果、機械学習の実践において行われたいくつかの観察が確認できたが、予期せぬ発見につながった。
論文 参考訳（メタデータ） (2022-02-18T11:32:41Z) - Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。
本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
論文 参考訳（メタデータ） (2022-01-25T10:02:23Z) - Loss Bounds for Approximate Influence-Based Abstraction [81.13024471616417]
影響に基づく抽象化は、システムの残りの部分が与える「影響」とともに、局所的なサブプロブレムをモデル化することでレバレッジを得ることを目的としている。
本稿では,理論的観点から,そのような手法の性能について考察する。
交叉エントロピーで訓練されたニューラルネットワークは、近似的な影響表現を学習するのに適していることを示す。
論文 参考訳（メタデータ） (2020-11-03T15:33:10Z) - 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。