論文の概要: Conditional Outcome Equivalence: A Quantile Alternative to CATE

• arxiv url: http://arxiv.org/abs/2410.12454v1
• Date: Wed, 16 Oct 2024 11:04:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:41:51.426473
• Title: Conditional Outcome Equivalence: A Quantile Alternative to CATE
• Title（参考訳）: Conditional Outcome Equivalence: CATEに代わる量子化
• Authors: Josh Givens, Henry W J Reeve, Song Liu, Katarzyna Reluga,
• Abstract要約: 条件量子処理効果(CQTE)は、条件平均処理効果(CATE)を超える治療の効果についての洞察を与えることができる。 CQTEの推定は困難であり、個々の量子の滑らかさに依存することが多い。 条件量子コンパレータ(CQC)の新たな評価法を提案する。
• 参考スコア（独自算出の注目度）: 7.298573111387454
• License:
• Abstract: Conditional quantile treatment effect (CQTE) can provide insight into the effect of a treatment beyond the conditional average treatment effect (CATE). This ability to provide information over multiple quantiles of the response makes CQTE especially valuable in cases where the effect of a treatment is not well-modelled by a location shift, even conditionally on the covariates. Nevertheless, the estimation of CQTE is challenging and often depends upon the smoothness of the individual quantiles as a function of the covariates rather than smoothness of the CQTE itself. This is in stark contrast to CATE where it is possible to obtain high-quality estimates which have less dependency upon the smoothness of the nuisance parameters when the CATE itself is smooth. Moreover, relative smoothness of the CQTE lacks the interpretability of smoothness of the CATE making it less clear whether it is a reasonable assumption to make. We combine the desirable properties of CATE and CQTE by considering a new estimand, the conditional quantile comparator (CQC). The CQC not only retains information about the whole treatment distribution, similar to CQTE, but also having more natural examples of smoothness and is able to leverage simplicity in an auxiliary estimand. We provide finite sample bounds on the error of our estimator, demonstrating its ability to exploit simplicity. We validate our theory in numerical simulations which show that our method produces more accurate estimates than baselines. Finally, we apply our methodology to a study on the effect of employment incentives on earnings across different age groups. We see that our method is able to reveal heterogeneity of the effect across different quantiles.
• Abstract（参考訳）: 条件量子処理効果(CQTE)は、条件平均処理効果(CATE)を超えた治療の効果についての洞察を与えることができる。 この応答の複数の量子化にまたがる情報を提供する能力は、CQTEが特に有用であるのは、治療の効果が、条件付きでも、位置シフトによって十分にモデル化されていない場合である。 それでも、CQTEの推定は困難であり、CQTE自体の滑らかさよりも共変量の関数としての個々の量子の滑らかさに依存することが多い。 これは、CATE自体が滑らかであるときのニュアンスパラメータの滑らかさに依存しない高品質な推定値を得ることができるCATEとは対照的である。 さらに、CQTEの相対的滑らかさはCATEの滑らかさの解釈可能性に欠けており、それが合理的な仮定であるかどうかが明確でない。 我々は、CATEとCQTEの望ましい性質を、新しい推定値である条件量子化コンパレータ(CQC)を用いて組み合わせる。 CQCは、CQTEと同様に、治療の分布全体に関する情報を保持するだけでなく、より自然な滑らかさの例を持ち、補助的な推定において単純さを活用することができる。 推定器の誤差に対する有限サンプル境界を提供し、単純さを活用できることを実証する。 本手法がベースラインよりも精度の高い推定値を生成することを示す数値シミュレーションにおいて,本理論を検証した。 最後に,雇用インセンティブが異なる年齢層における収益に与える影響について検討する。 提案手法は, 異なる量子量体にまたがる効果の均一性を明らかにすることができる。

関連論文リスト

• Can Constrained Quantum Annealing Be Effective in Noisy Quantum Annealers? [0.0]
  グラフ分割問題に対するペナルティベース量子アニール法(PQA)と制約量子アニール法(CQA)の性能について検討する。 PQAは一般的に比較的安定した成功確率を示し、CQAのパフォーマンスは問題インスタンスによって大きく異なる。 CQAは位相フリップノイズを除いて、ほとんどのノイズモデルの下で制約飽和部分空間からの漏れを経験する。
  論文  参考訳（メタデータ） (2024-10-23T03:12:45Z)
• Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
  我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。 評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-26T18:23:21Z)
• Evaluating Dynamic Conditional Quantile Treatment Effects with Applications in Ridesharing [15.35497380896072]
  そこで我々は, 動的量子的処理効果(QTE)を, 処理に依存しない特性に基づいて計算するための公式な枠組みを確立した。 次に、2つの可変係数決定プロセス(VCDP)モデルを導入し、動的CQTEをテストする革新的な方法を提案する。 本手法の実用性を実証するため,配車プラットフォームから実世界の3つのデータセットに適用した。
  論文  参考訳（メタデータ） (2023-05-17T13:12:48Z)
• Conformalized Unconditional Quantile Regression [27.528258690139793]
  コンフォメーション予測と非条件量子回帰を組み合わせた予測推論手法を開発した。 提案手法は不整合性に適応し,テストインスタンスに関連する透過的なカバレッジ保証を提供し,既存の手法と効率的に競合することを示す。
  論文  参考訳（メタデータ） (2023-04-04T00:20:26Z)
• Adaptive Conformal Prediction by Reweighting Nonconformity Score [0.0]
  我々は、QRF(Quantile Regression Forest)を用いて、不整合スコアの分布を学習し、QRFの重みを利用して、テストポイントに類似した残差を持つサンプルにより重要度を割り当てる。 提案手法は,仮定のない有限標本境界範囲と訓練条件範囲を満足し,適切な仮定の下で条件付き範囲を確保できる。
  論文  参考訳（メタデータ） (2023-03-22T16:42:19Z)
• 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)
• Sparse Feature Selection Makes Batch Reinforcement Learning More Sample Efficient [62.24615324523435]
  本稿では,スパース線形関数近似を用いた高次元バッチ強化学習(RL)の統計的解析を行う。 候補となる機能が多数存在する場合,提案手法がバッチRLをより効率的にサンプリングできるという事実に光を当てる。
  論文  参考訳（メタデータ） (2020-11-08T16:48:02Z)
• Counterfactual Variable Control for Robust and Interpretable Question Answering [57.25261576239862]
  ディープニューラルネットワークに基づく質問応答(QA)モデルは、多くの場合、堅牢でも説明もできない。 本稿では、因果推論を用いてQAモデルのこのような突発的な「能力」を検証する。 本稿では,任意のショートカット相関を明示的に緩和する,CVC(Counterfactual Variable Control)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T10:09:05Z)
• 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。