論文の概要: Estimation and Inference for Causal Functions with Multiway Clustered Data
- arxiv url: http://arxiv.org/abs/2409.06654v1
- Date: Tue, 10 Sep 2024 17:17:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 16:39:07.923179
- Title: Estimation and Inference for Causal Functions with Multiway Clustered Data
- Title（参考訳）: マルチウェイクラスタデータを用いた因果関数の推定と推定
- Authors: Nan Liu, Yanbo Liu, Yuya Sasaki,
- Abstract要約: 本稿では,一般的な因果関数のクラスに対する推定法と一様推論法を提案する。
因果関数は、調整された(Neyman-orthogonal)信号の条件付き期待値として同定される。
提案手法をアフリカにおける水準と歴史的奴隷貿易の因果関係の分析に適用する。
- 参考スコア（独自算出の注目度）: 6.988496457312806
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This paper proposes methods of estimation and uniform inference for a general class of causal functions, such as the conditional average treatment effects and the continuous treatment effects, under multiway clustering. The causal function is identified as a conditional expectation of an adjusted (Neyman-orthogonal) signal that depends on high-dimensional nuisance parameters. We propose a two-step procedure where the first step uses machine learning to estimate the high-dimensional nuisance parameters. The second step projects the estimated Neyman-orthogonal signal onto a dictionary of basis functions whose dimension grows with the sample size. For this two-step procedure, we propose both the full-sample and the multiway cross-fitting estimation approaches. A functional limit theory is derived for these estimators. To construct the uniform confidence bands, we develop a novel resampling procedure, called the multiway cluster-robust sieve score bootstrap, that extends the sieve score bootstrap (Chen and Christensen, 2018) to the novel setting with multiway clustering. Extensive numerical simulations showcase that our methods achieve desirable finite-sample behaviors. We apply the proposed methods to analyze the causal relationship between mistrust levels in Africa and the historical slave trade. Our analysis rejects the null hypothesis of uniformly zero effects and reveals heterogeneous treatment effects, with significant impacts at higher levels of trade volumes.
- Abstract（参考訳）: 本稿では,マルチウェイクラスタリングにおける条件平均処理効果や連続処理効果などの一般的な因果関数の推定と一様推論手法を提案する。
因果関数は、高次元ニュアンスパラメータに依存する調整された(Neyman-orthogonal)信号の条件付き期待値として同定される。
本稿では,機械学習を用いて高次元ニュアンスパラメータを推定する2段階の手順を提案する。
2番目のステップでは、推定されたネイマン直交信号がサンプルサイズとともに次元が大きくなる基底関数の辞書に投影される。
この2段階の手順では、フルサンプルとマルチウェイのクロスフィット推定手法の両方を提案する。
これらの推定値に対して関数的極限理論が導かれる。
均一な信頼バンドを構築するために,マルチウェイクラスタ・ロバストスコアブートストラップと呼ばれる新しいリサンプリング手法を開発し,シーブスコアブートストラップ(Chen and Christensen, 2018)をマルチウェイクラスタリングによる新しい設定に拡張した。
大規模な数値シミュレーションにより,本手法が望ましい有限サンプル挙動を実現することを示す。
提案手法を適用し,アフリカにおける不信水準と歴史的奴隷貿易の因果関係を分析する。
本分析は,一様ゼロ効果の零仮説を否定し,高い貿易量に有意な影響を及ぼす不均一な処理効果を明らかにする。
関連論文リスト
- Neighborhood Adaptive Estimators for Causal Inference under Network
Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。
干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。
このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文 参考訳（メタデータ） (2022-12-07T14:53:47Z) - Robust High-dimensional Tuning Free Multiple Testing [0.49416305961918056]
本稿では,一サンプル問題と二サンプル問題の両方における位置パラメータを推定するために,Hodges-Lehmann (HL) 推定器を再検討する。
新たに開発された非漸近的バハドゥール表現に基づいて,Berry-Esseen不等式とCram'er型のHL推定器の適度偏差を開発する。
得られたチューニングフリーおよびモーメントフリーの手法が、所定のレベルで偽発見率を制御することを説得的に示している。
論文 参考訳（メタデータ） (2022-11-22T02:35:28Z) - A New Central Limit Theorem for the Augmented IPW Estimator: Variance
Inflation, Cross-Fit Covariance and Beyond [0.9172870611255595]
クロスフィッティングを用いたクロスフィッティング逆確率重み付け(AIPW)は、実際は一般的な選択肢である。
本研究では, 高次元状態における結果回帰モデルと確率スコアモデルを用いて, クロスフィット型AIPW推定器について検討する。
本研究は, メッセージパッシング理論, 決定論的等価性理論, 離脱一元的アプローチの3つの異なるツール間の新たな相互作用を利用する。
論文 参考訳（メタデータ） (2022-05-20T14:17:53Z) - Counterfactual inference for sequential experiments [17.817769460838665]
複数の単位に複数の時間点に対する処理を割り当てるシーケンシャルな設計実験のアフタースタディ統計的推測を考察する。
我々のゴールは、最小限のスケールで、カウンターファクト平均に対する推論保証を提供することです。
我々は,いくつかのシミュレーションと,モバイル医療臨床試験HeartStepsのデータを含むケーススタディを通して,我々の理論を解説する。
論文 参考訳（メタデータ） (2022-02-14T17:24:27Z) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-11T03:38:16Z) - Causal Inference Under Unmeasured Confounding With Negative Controls: A
Minimax Learning Approach [84.29777236590674]
すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。
最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
論文 参考訳（メタデータ） (2021-03-25T17:59:19Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Doubly Robust Semiparametric Difference-in-Differences Estimators with
High-Dimensional Data [15.27393561231633]
不均一な治療効果を推定するための2段半パラメトリック差分差分推定器を提案する。
第1段階では、確率スコアを推定するために、一般的な機械学習手法が使用できる。
第2段階ではパラメトリックパラメータと未知関数の両方の収束率を導出する。
論文 参考訳（メタデータ） (2020-09-07T15:14:29Z) - 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) - Localized Debiased Machine Learning: Efficient Inference on Quantile
Treatment Effects and Beyond [69.83813153444115]
因果推論における(局所)量子化処理効果((L)QTE)の効率的な推定式を検討する。
Debiased Machine Learning (DML)は、高次元のニュアンスを推定するデータ分割手法である。
本稿では、この負担のかかるステップを避けるために、局所的脱バイアス機械学習(LDML)を提案する。
論文 参考訳（メタデータ） (2019-12-30T14:42:52Z)
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。