論文の概要: Synthetic Potential Outcomes and Causal Mixture Identifiability
- arxiv url: http://arxiv.org/abs/2405.19225v2
- Date: Mon, 14 Oct 2024 14:54:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-15 17:54:01.307561
- Title: Synthetic Potential Outcomes and Causal Mixture Identifiability
- Title(参考訳): 合成電位と因果混合性
- Authors: Bijan Mazaheri, Chandler Squires, Caroline Uhler,
- Abstract要約: 混合モデルは、観測されたデータに対して離散的な信号を実行する潜在クラスから構成される。
MTEが因果識別可能性の階層にどのように適合するかを示す。
- 参考スコア(独自算出の注目度): 9.649642656207869
- License:
- Abstract: A mixture model consists of a latent class that exerts a discrete signal on the observed data. Uncovering these latent classes is fundamental to unsupervised learning. In this paper, we consider the problem of recovering latent classes defined with respect to causal responses. We allow overlapping support in the distributions of these classes, meaning individuals cannot be clustered into groups with a similar response. Instead, we build on a setting from proximal causal inference to develop a method of moments approach to synthetically sample potential outcome distributions. This approach is the first known identifiability result for what we call Mixtures of Treatment Effects (MTEs). More broadly, we show how MTEs fit into a hierarchy of causal identifiability that unifies a number of perspectives on latent class confounding.
- Abstract(参考訳): 混合モデルは、観測されたデータに対して離散的な信号を実行する潜在クラスから構成される。
これらの潜伏クラスを明らかにすることは教師なし学習の基本である。
本稿では,因果応答に関して定義された潜在クラスを復元する問題を考察する。
これらのクラスの分布において、重複するサポートを許す。つまり、個人は同様の反応を持つグループにクラスタ化できない。
その代わりに、近位因果推論から構築し、潜在的な結果分布を合成的にサンプリングするモーメントの手法を開発する。
このアプローチは、私たちがMixtures of Treatment Effects (MTEs)と呼ぶものに対する、最初の既知の識別可能性の結果です。
より広範に、MTEが因果識別可能性の階層にどのように適合するかを示す。
関連論文リスト
- Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。
異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。
この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
論文 参考訳(メタデータ) (2024-07-20T12:42:24Z) - Identification of Single-Treatment Effects in Factorial Experiments [0.0]
実験において複数の介入がランダム化されている場合、実験環境外において単一の介入が与える影響は、不在の英雄的仮定とは見なされないことを示す。
観測研究と要因実験は、ゼロおよび複数介入による潜在的アウトカム分布に関する情報を提供する。
この種の設計に頼っている研究者は、関数形式の線形性を正当化するか、あるいはDirected Acyclic Graphsで変数が実世界でどのように関連しているかを特定する必要がある。
論文 参考訳(メタデータ) (2024-05-16T04:01:53Z) - Counterfactual Data Augmentation with Contrastive Learning [27.28511396131235]
本稿では,選択したサブセットに対して,結果に反する結果をもたらすモデルに依存しないデータ拡張手法を提案する。
我々は、比較学習を用いて表現空間と類似度尺度を学習し、学習された類似度尺度で同定された個人に近い学習空間において、同様の潜在的な結果が得られるようにした。
この性質は、代替治療群から近接した近縁者に対する対実的な結果の信頼性の高い計算を保証する。
論文 参考訳(メタデータ) (2023-11-07T00:36:51Z) - CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self
Attention for multi-omics integration with incomplete multi-omics data [47.2764293508916]
不均一・高次元マルチオミクスデータの統合は、遺伝データの理解においてますます重要になっている。
マルチオミクスデータ統合を行う際に直面する障害のひとつは、機器の感度とコストによる未ペアリングマルチオミクスデータの存在である。
クロスオミクスを用いたマルチオミクス統合のための深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-04-12T00:22:18Z) - Identifying Heterogeneous Treatment Effects in Multiple Outcomes using
Joint Confidence Intervals [5.3410655248484]
不均一治療効果(HTEs)はランダム化対照試験(RCTs)において一般的に同定される
共同CIに基づいて,複数の結果にまたがるサブグループを同定する枠組みを提案する。
我々は,2つの結果が存在する合成データと半合成データを用いて本アルゴリズムを検証し,両結果が同時にHTEを捕捉できることを実証した。
論文 参考訳(メタデータ) (2022-12-02T20:43:47Z) - Learning Individual Treatment Effects under Heterogeneous Interference
in Networks [34.16062968227468]
ネットワーク観測データによる個々の治療効果の推定が注目されている。
ネットワークシナリオにおける大きな課題の1つは、安定した単位処理値の仮定に違反していることである。
本稿では,注目重みを同時に学習するDWRアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-25T15:00:05Z) - 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) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳(メタデータ) (2021-10-26T20:13:17Z) - On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。
この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
論文 参考訳(メタデータ) (2021-06-07T16:30:46Z) - Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。
これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。
アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
論文 参考訳(メタデータ) (2020-03-10T14:59:35Z)
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。