論文の概要: Identification and Estimation of Conditional Average Partial Causal
Effects via Instrumental Variable
- arxiv url: http://arxiv.org/abs/2401.11130v1
- Date: Sat, 20 Jan 2024 05:48:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 17:59:02.885217
- Title: Identification and Estimation of Conditional Average Partial Causal
Effects via Instrumental Variable
- Title(参考訳): インストゥルメンタル変数による条件平均部分因果効果の同定と推定
- Authors: Yuta Kawakami, Manabu Kuroki, Jin Tian
- Abstract要約: 条件付き平均因果効果 (CAPCE) を導入し, 連続治療による因果効果の不均一性を明らかにする。
CAPCE推定器の3つのファミリー(Sieve, parametric, and reproduction kernel Hilbert space (RKHS) )を開発し,その統計特性を解析した。
- 参考スコア(独自算出の注目度): 17.421549853406642
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There has been considerable recent interest in estimating heterogeneous
causal effects. In this paper, we introduce conditional average partial causal
effects (CAPCE) to reveal the heterogeneity of causal effects with continuous
treatment. We provide conditions for identifying CAPCE in an instrumental
variable setting. We develop three families of CAPCE estimators: sieve,
parametric, and reproducing kernel Hilbert space (RKHS)-based, and analyze
their statistical properties. We illustrate the proposed CAPCE estimators on
synthetic and real-world data.
- Abstract(参考訳): 異種因果効果を推定することへの関心は近年かなり高まっている。
本稿では,条件平均部分因果効果(CAPCE)を導入し,連続処理による因果効果の不均一性を明らかにする。
楽器変数設定においてCAPCEを識別するための条件を提供する。
CAPCE推定器の3つのファミリー(Sieve, parametric, and reproduction kernel Hilbert space (RKHS) )を開発し,その統計特性を解析した。
合成および実世界のデータに基づくCAPCE推定器について述べる。
関連論文リスト
- A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳(メタデータ) (2023-06-08T09:40:28Z) - Heterogeneous Treatment Effect Bounds under Sample Selection with an
Application to the Effects of Social Media on Political Polarization [0.0]
本研究では,不均一因果効果パラメータに対する境界の推定と推定手法を提案する。
この方法は、ポリシーに関連する事前処理変数の関数として条件効果境界を提供する。
フレキシブルなデバイアス/ダブルな機械学習アプローチを使って、非線形機能形式や高次元の共創者に対応しています。
論文 参考訳(メタデータ) (2022-09-09T14:42:03Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - SurvCaus : Representation Balancing for Survival Causal Inference [3.4161707164978137]
多くの病理学では、関心の結果は(おそらく検閲された)生存時間である。
本稿では,生存環境における現実的推論に適用可能な表現バランスフレームワークの理論的保証を提案する。
論文 参考訳(メタデータ) (2022-03-29T15:33:55Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳(メタデータ) (2022-01-31T20:58:47Z) - ADCB: An Alzheimer's disease benchmark for evaluating observational
estimators of causal effects [8.550140109387467]
本稿では,医療データの複雑度をモデル化することを目的としたアルツハイマー病のシミュレータを提案する。
シミュレータは、因果推論タスクの性質と難易度を変更するパラメータを含む。
シミュレーションを用いて, 平均的および条件的処理効果の推定値を比較する。
論文 参考訳(メタデータ) (2021-11-12T16:43:14Z) - Identifiable Energy-based Representations: An Application to Estimating
Heterogeneous Causal Effects [83.66276516095665]
条件付き平均治療効果(CATEs)は、多数の個体にまたがる不均一性について理解することができる。
典型的なCATE学習者は、CATEが識別可能であるために、すべての共起変数が測定されていると仮定する。
本稿では,ノイズコントラッシブ損失関数を用いて,変数の低次元表現を学習するエネルギーベースモデルを提案する。
論文 参考訳(メタデータ) (2021-08-06T10:39:49Z) - Sparse Bayesian Causal Forests for Heterogeneous Treatment Effects
Estimation [0.0]
本稿では,ベイジアン因果樹林のスパース性誘導型を考案する。
観察データを用いて不均一な治療効果を推定する。
論文 参考訳(メタデータ) (2021-02-12T15:24:50Z) - Confounding Feature Acquisition for Causal Effect Estimation [6.174721516017138]
我々は,この課題を因果推論のための特徴獲得の問題として捉えている。
我々のゴールは、効率的な平均治療効果の推定につながるサンプルにおいて、行方不明の共同創業者の固定的で既知のサブセットの取得値を優先順位付けすることです。
論文 参考訳(メタデータ) (2020-11-17T16:28:43Z) - Latent Causal Invariant Model [128.7508609492542]
現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。
因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
論文 参考訳(メタデータ) (2020-11-04T10:00:27Z) - 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)
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。