論文の概要: disco: Distributional Synthetic Controls

• arxiv url: http://arxiv.org/abs/2501.07550v1
• Date: Mon, 13 Jan 2025 18:36:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:22:57.050967
• Title: disco: Distributional Synthetic Controls
• Title（参考訳）: ディスコ:分散合成制御
• Authors: Florian Gunsilius, David Van Dijcke,
• Abstract要約: 我々は,Gunsilius (2023)で導入された分散合成制御方式を実装した新しいディスココマンドを導入する。 このパッケージは、QuantileベースのアプローチとCDFベースのアプローチの両方、ブートストラップと置換メソッドによる包括的な推論手順、可視化機能を提供している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The method of synthetic controls is widely used for evaluating causal effects of policy changes in settings with observational data. Often, researchers aim to estimate the causal impact of policy interventions on a treated unit at an aggregate level while also possessing data at a finer granularity. In this article, we introduce the new disco command, which implements the Distributional Synthetic Controls method introduced in Gunsilius (2023). This command allows researchers to construct entire synthetic distributions for the treated unit based on an optimally weighted average of the distributions of the control units. Several aggregation schemes are provided to facilitate clear reporting of the distributional effects of the treatment. The package offers both quantile-based and CDF-based approaches, comprehensive inference procedures via bootstrap and permutation methods, and visualization capabilities. We empirically illustrate the use of the package by replicating the results in Van Dijcke et al. (2024).
• Abstract（参考訳）: 合成制御の手法は,観測データを用いた設定における政策変化の因果効果を評価するために広く用いられている。 研究者は、処理単位に対する政策介入の因果的影響を、より粒度の細かいデータも有しながら、集約レベルで推定することを目的としている。 本稿では,Gunsilius (2023)で導入された分散合成制御法を実装した新しいディスココマンドを紹介する。 このコマンドにより、研究者は制御ユニットの分布の最適な重み付け平均に基づいて、処理ユニット全体の合成分布を構築することができる。 処理の分布効果の明確な報告を容易にするために、いくつかのアグリゲーションスキームが提供される。 このパッケージは、QuantileベースのアプローチとCDFベースのアプローチの両方、ブートストラップと置換メソッドによる包括的な推論手順、可視化機能を提供している。 我々は、Van Dijcke et al (2024)に結果を複製することで、パッケージの使用を実証的に説明します。

関連論文リスト

• Estimating Joint interventional distributions from marginal interventional data [1.5416095780642964]
  我々は、最大エントロピー原理を用いて、すべての変数の連立条件分布を取得するために介入データを利用する方法を示す。 ラグランジュ双対性を用いて、介入制約を伴う因果最大エントロピー問題の解が指数族に属することを証明する。
  論文  参考訳（メタデータ） (2024-09-03T11:18:35Z)
• Conformal Diffusion Models for Individual Treatment Effect Estimation and Inference [6.406853903837333]
  個々の治療効果は、個々のレベルで最もきめ細かい治療効果を提供する。 本稿では,これらの複雑な課題に対処する共形拡散モデルに基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-02T21:35:08Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Causal Balancing for Domain Generalization [95.97046583437145]
  そこで本研究では,観察されたトレーニング分布の領域特異的なスプリアス相関を低減するために,バランスの取れたミニバッチサンプリング戦略を提案する。 本研究では, 突発性源の同定可能性を保証するとともに, バランスの取れた, 突発性のない分布から, 提案手法が有効にサンプリング可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-10T17:59:11Z)
• Synthetic Design: An Optimization Approach to Experimental Design with Synthetic Controls [5.3063411515511065]
  本研究では,前処理結果データを用いた実験結果の最適設計について検討する。 平均処理効果は、処理単位の重み付き平均結果と制御単位との差として推定される。 重みと合わせて処理単位の集合を選択する方法をいくつか提案する。
  論文  参考訳（メタデータ） (2021-12-01T05:05:26Z)
• Modular Gaussian Processes for Transfer Learning [0.0]
  モジュラー変動ガウス過程(GP)に基づく移動学習のためのフレームワークを提案する。 我々は,データを再考することなく,アンサンブルGPモデルを構築するモジュールベースの手法を開発した。 本手法は、望ましくないデータの集中化を回避し、計算コストの増大を低減し、学習後の不確実性指標の伝達を可能にする。
  論文  参考訳（メタデータ） (2021-10-26T09:15:18Z)
• Weighting-Based Treatment Effect Estimation via Distribution Learning [14.438302755258547]
  本研究では,処理効果推定のための分布学習に基づく重み付け手法を開発した。 提案手法は,最先端の重み付けのみのベンチマーク手法よりも優れている。 2倍のロス率推定フレームワークの下では、その優位性を維持している。
  論文  参考訳（メタデータ） (2020-12-26T20:15:44Z)
• Federated Learning under Importance Sampling [49.17137296715029]
  本研究は, サンプリングエージェントと非均一に誘導されるデータに対する重要サンプリングと工夫の効果について検討する。 代替のないサンプリングを含むスキームでは,結果のアーキテクチャの性能は,各エージェントのデータ変動性に関連する2つの要因によって制御される。
  論文  参考訳（メタデータ） (2020-12-14T10:08:55Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)
• 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。