論文の概要: Program Evaluation with Remotely Sensed Outcomes

• arxiv url: http://arxiv.org/abs/2411.10959v1
• Date: Sun, 17 Nov 2024 04:43:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:34:14.112055
• Title: Program Evaluation with Remotely Sensed Outcomes
• Title（参考訳）: リモートセンシングアウトカムによるプログラム評価
• Authors: Ashesh Rambachan, Rahul Singh, Davide Viviano,
• Abstract要約: 最近の経験的作業は、地中実測値ではなく、リモートセンシング変数(RSV)、携帯電話活動や衛星画像を用いた治療効果を推定している。 一般的な実践は、ラベル付きRSVの補助サンプルを用いてRSVの経済効果を予測し、実験の結果としてそのような予測を使用する。 提案手法は,RSVがポストアウトカム変数である場合に,治療効果の偏りが生じることを実証する。
• 参考スコア（独自算出の注目度）: 2.7004734449749144
• License:
• Abstract: While traditional program evaluations typically rely on surveys to measure outcomes, certain economic outcomes such as living standards or environmental quality may be infeasible or costly to collect. As a result, recent empirical work estimates treatment effects using remotely sensed variables (RSVs), such mobile phone activity or satellite images, instead of ground-truth outcome measurements. Common practice predicts the economic outcome from the RSV, using an auxiliary sample of labeled RSVs, and then uses such predictions as the outcome in the experiment. We prove that this approach leads to biased estimates of treatment effects when the RSV is a post-outcome variable. We nonparametrically identify the treatment effect, using an assumption that reflects the logic of recent empirical research: the conditional distribution of the RSV remains stable across both samples, given the outcome and treatment. Our results do not require researchers to know or consistently estimate the relationship between the RSV, outcome, and treatment, which is typically mis-specified with unstructured data. We form a representation of the RSV for downstream causal inference by predicting the outcome and predicting the treatment, with better predictions leading to more precise causal estimates. We re-evaluate the efficacy of a large-scale public program in India, showing that the program's measured effects on local consumption and poverty can be replicated using satellite
• Abstract（参考訳）: 伝統的なプログラム評価は一般的に結果を測定するために調査に頼っているが、生活水準や環境品質のような特定の経済的成果は、収集が不可能またはコストがかかる可能性がある。 その結果,最近の経験的作業では,遠隔センシング変数(RSV)や携帯電話活動,衛星画像を用いた治療効果を,地中実測値ではなく推定した。 一般的な実践は、ラベル付きRSVの補助サンプルを用いてRSVの経済効果を予測し、実験の結果としてそのような予測を使用する。 提案手法は,RSVがポストアウトカム変数である場合に,治療効果の偏りが生じることを実証する。 我々は、最近の経験的研究の論理を反映した仮定を用いて、治療効果を非パラメトリックに同定する。 我々の結果は、研究者がRSV、結果、治療の関係を知るか、一貫して見積もることを必要としない。 結果の予測と治療の予測により,下流因果推定のためのRSVを表現し,より正確な因果推定を行う。 インドにおける大規模公共事業の有効性を再評価し、衛星を用いて地域消費と貧困に対するプログラムの測定効果を再現可能であることを示す。

関連論文リスト

• Estimating Individual Dose-Response Curves under Unobserved Confounders from Observational Data [6.166869525631879]
  本稿では,連続治療の因果効果を推定するための新しいフレームワークであるContiVAEについて述べる。 ContiVAEは既存の手法を最大62%上回り、その堅牢性と柔軟性を示す。
  論文  参考訳（メタデータ） (2024-10-21T07:24:26Z)
• Accounting For Informative Sampling When Learning to Forecast Treatment Outcomes Over Time [66.08455276899578]
  適切な基準を満たさない場合,情報サンプリングは治療結果の正確な推定を禁止できることが示唆された。 逆強度重み付けを用いた情報サンプリングの存在下での処理結果を学習するための一般的な枠組みを提案する。 本稿では,ニューラルCDEを用いてこのフレームワークをインスタンス化する新しい手法であるTESAR-CDEを提案する。
  論文  参考訳（メタデータ） (2023-06-07T08:51:06Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• BITES: Balanced Individual Treatment Effect for Survival data [0.0]
  患者予後に対する介入の効果を推定することは、パーソナライズされた医療の重要な側面の1つである。 時間から時間までのデータは、治療最適化にはほとんど使われない。 我々は、治療特異的な半パラメトリックコックス損失と治療バランスの深いディープニューラルネットワークを組み合わせたBITESというアプローチを提案する。
  論文  参考訳（メタデータ） (2022-01-05T10:39:31Z)
• 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)
• Machine Learning for Variance Reduction in Online Experiments [1.9181913148426697]
  MLRATEと呼ばれる機械学習回帰調整処理効果推定器を提案する。 MLRATEは、結果の機械学習予測器を使用して推定値の分散を低減する。 A/Aテストでは、Facebookの実験で一般的に監視される48の結果メトリクスのセットに対して、推定器は単純な差分推定器よりも70%以上低いばらつきを持つ。
  論文  参考訳（メタデータ） (2021-06-14T09:35:54Z)
• 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)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• 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)
• 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。