論文の概要: Proximity Matters: Local Proximity Preserved Balancing for Treatment Effect Estimation
- arxiv url: http://arxiv.org/abs/2407.01111v1
- Date: Mon, 1 Jul 2024 09:20:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-03 22:09:47.033742
- Title: Proximity Matters: Local Proximity Preserved Balancing for Treatment Effect Estimation
- Title（参考訳）: 近縁性 : 治療効果推定のための局所的近縁性保存バランス
- Authors: Hao Wang, Zhichao Chen, Yuan Shen, Jiajun Fan, Zhaoran Liu, Degui Yang, Xinggao Liu, Haoxuan Li,
- Abstract要約: 観察データからの不均一な処理効果 (HTE) を推定することは, 治療選択バイアスによる重要な課題である。
既存の手法では、グローバルアライメントに焦点をあて、潜在空間における治療群間の分布の差異を最小化することで、このバイアスに対処している。
本稿では,HTE推定コンテキスト内での表現バランスに近接性を利用するために,PCR(Proximity-aware Counterfactual Regression)を提案する。
- 参考スコア（独自算出の注目度）: 25.941696352770272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneous treatment effect (HTE) estimation from observational data poses significant challenges due to treatment selection bias. Existing methods address this bias by minimizing distribution discrepancies between treatment groups in latent space, focusing on global alignment. However, the fruitful aspect of local proximity, where similar units exhibit similar outcomes, is often overlooked. In this study, we propose Proximity-aware Counterfactual Regression (PCR) to exploit proximity for representation balancing within the HTE estimation context. Specifically, we introduce a local proximity preservation regularizer based on optimal transport to depict the local proximity in discrepancy calculation. Furthermore, to overcome the curse of dimensionality that renders the estimation of discrepancy ineffective, exacerbated by limited data availability for HTE estimation, we develop an informative subspace projector, which trades off minimal distance precision for improved sample complexity. Extensive experiments demonstrate that PCR accurately matches units across different treatment groups, effectively mitigates treatment selection bias, and significantly outperforms competitors. Code is available at https://anonymous.4open.science/status/ncr-B697.
- Abstract（参考訳）: 観察データからの不均一な処理効果 (HTE) を推定することは, 治療選択バイアスが原因で大きな課題となる。
既存の手法では、グローバルアライメントに焦点をあて、潜在空間における治療群間の分散不一致を最小限にすることで、このバイアスに対処している。
しかし、類似の単位が類似した結果を示す局所的近接の実りある側面は、しばしば見過ごされる。
本研究では,HTE推定コンテキスト内での表現バランスに近接性を利用するために,PCR(Proximity-aware Counterfactual Regression)を提案する。
具体的には,差分計算における局所的近接性を表すため,最適な移動量に基づく局所的近接性保存レギュレータを提案する。
さらに,HTE推定におけるデータ可用性の制限により悪化する不整合性の推定を非効率に行う次元の呪いを克服するため,最小距離精度でサンプルの複雑さを改善するための情報サブスペースプロジェクタを開発した。
広範な実験により、PCRは異なる治療群間で正確に一致し、効果的に治療選択バイアスを緩和し、競争相手を著しく上回ることを示した。
コードはhttps://anonymous.4open.science/status/ncr-B697で公開されている。
関連論文リスト
- Stable Heterogeneous Treatment Effect Estimation across Out-of-Distribution Populations [27.163528362979594]
不均一治療効果(HTE)の推定は、個人またはグループ間の治療効果の変化を理解するために不可欠である。
既存のHTE推定手法の多くは、処理単位と制御単位間の共著者の不均衡分布によって引き起こされる選択バイアスに対処することに焦点を当てている。
人口分布を連続的に変化させる現実世界のアプリケーションでは、分布外人口をまたいだ安定したHTE推定が緊急に必要である。
論文 参考訳（メタデータ） (2024-07-03T13:03:51Z) - Optimal Transport for Treatment Effect Estimation [42.50410909962438]
観測データから条件平均処理効果を推定することは, 処理選択バイアスが存在するため, 極めて困難である。
代表的な方法は、潜在空間における異なる処理群の分布を整列させることによってこの問題を軽減することである。
本稿では,因果関係の文脈において最適な輸送手段であるEntire Space CounterFactual Regression (ESCFR)を提案する。
論文 参考訳（メタデータ） (2023-10-27T17:22:45Z) - DESCN: Deep Entire Space Cross Networks for Individual Treatment Effect
Estimation [7.060064266376701]
因果推論は、Eコマースや精密医療など様々な分野で広く応用されている。
本稿では,エンド・ツー・エンドの観点から治療効果をモデル化するためのDeep Entire Space Cross Networks (DESCN)を提案する。
論文 参考訳（メタデータ） (2022-07-19T01:25:31Z) - Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD
for Communication Efficient Nonconvex Distributed Learning [58.79085525115987]
ローカル手法は通信時間を短縮する有望なアプローチの1つである。
局所的データセットが局所的損失の滑らかさよりも小さい場合,通信の複雑さは非局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-02-12T15:12:17Z) - 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) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳（メタデータ） (2021-12-14T17:53:01Z) - Distributionally Robust Local Non-parametric Conditional Estimation [22.423052432220235]
非パラメトリックな局所推定を生成する分布安定な新しい推定器を提案する。
一般には難解であるにもかかわらず、局所推定器は凸最適化によって効率的に見つけることができることを示す。
合成およびMNISTデータセットを用いた実験は、この新しいクラスの推定器の競合性能を示している。
論文 参考訳（メタデータ） (2020-10-12T00:11:17Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - 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) - Regret Minimization for Causal Inference on Large Treatment Space [21.957539112375496]
本稿では,偏りのある観測データから偏りのある表現を抽出するネットワークアーキテクチャと正規化器を提案する。
提案した損失は、アクションが個々のターゲットに対して比較的良いかどうかの分類誤差を最小限に抑える。
論文 参考訳（メタデータ） (2020-06-10T02:19:48Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。