Fugu-MT 論文翻訳(概要): Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable

論文の概要: Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable

arxiv url: http://arxiv.org/abs/2401.11130v2
Date: Thu, 30 May 2024 21:01:44 GMT
ステータス: 処理完了
システム内更新日: 2024-06-03 20:12:03.990583
Title: Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable
Title（参考訳）: 機器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) について検討し, 連続処理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(シーブ、パラメトリック、再生、カーネルヒルベルト空間(RKHS))を開発し、それらの統計特性を解析する。
参考スコア（独自算出の注目度）: 15.500981567851962
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There has been considerable recent interest in estimating heterogeneous causal effects. In this paper, we study 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. Notably, CAPCE is identifiable under a weaker assumption than required by a commonly used measure for estimating heterogeneous causal effects of continuous treatment. 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,条件付き平均部分因果効果(CAPCE)について検討し,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。特にCAPCEは、連続処理の異種因果効果を推定するために一般的に用いられる尺度で必要とされるよりも弱い仮定の下で同定可能である。 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。本稿では,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 Stable and Efficient Covariate-Balancing Estimator for Causal Survival Effects [33.62020029799266]
本研究では、条件に依存しない検閲データにおける生存因果効果の推定の問題に対処する。これは、小さな推定確率の逆数の使用と、その結果の推定誤差の増幅に対処する。合成および半合成データに関する実験において理論的結果を検証する。
論文参考訳（メタデータ） (2023-10-01T00:04:29Z)
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)
Probabilistic Variational Causal Approach in Observational Studies [0.0]
本報告では,観測研究における事象の出現頻度と頻度を,根本的問題との関連性に基づいて考慮した新たな因果的手法を提案する。本研究では,確率的変動因果効果(PACE)と呼ばれる直接因果効果測定法と,非二項処理と二項処理の両方に適用可能な特定の仮定に付着した変分法を提案する。
論文参考訳（メタデータ） (2022-08-12T13:34:17Z)
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)
Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文参考訳（メタデータ） (2022-01-15T17:21:26Z)
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)
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)
CDSM -- Casual Inference using Deep Bayesian Dynamic Survival Models [3.9169188005935927]
我々はベイジアン・リカレント・サブネットワークを用いた潜在的結果フレームワークを用いて生存曲線の差を推定する因果的動的生存モデル(CDSM)を開発した。シミュレーションされたサバイバルデータセットを使用して、CDSMはサンプル寸法、イベントレート、結束および重複のシナリオにわたる良好な因果効果推定性能を示した。
論文参考訳（メタデータ） (2021-01-26T09:15:49Z)
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)
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。