論文の概要: Nonparametric Heterogeneous Long-term Causal Effect Estimation via Data Combination
- arxiv url: http://arxiv.org/abs/2502.18960v1
- Date: Wed, 26 Feb 2025 09:17:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-27 14:57:01.424121
- Title: Nonparametric Heterogeneous Long-term Causal Effect Estimation via Data Combination
- Title（参考訳）: データ結合による非パラメトリック不均一長期因果効果推定
- Authors: Weilin Chen, Ruichu Cai, Junjie Wan, Zeqin Yang, José Miguel Hernández-Lobato,
- Abstract要約: 長期的な因果推論は多くの科学領域で注目を集めている。
また、不均一な長期因果効果を頑健かつ効果的に推定する方法も検討されている。
異種長期因果効果推定のための2段階型非パラメトリック推定器を提案する。
- 参考スコア（独自算出の注目度）: 37.491679058742925
- License:
- Abstract: Long-term causal inference has drawn increasing attention in many scientific domains. Existing methods mainly focus on estimating average long-term causal effects by combining long-term observational data and short-term experimental data. However, it is still understudied how to robustly and effectively estimate heterogeneous long-term causal effects, significantly limiting practical applications. In this paper, we propose several two-stage style nonparametric estimators for heterogeneous long-term causal effect estimation, including propensity-based, regression-based, and multiple robust estimators. We conduct a comprehensive theoretical analysis of their asymptotic properties under mild assumptions, with the ultimate goal of building a better understanding of the conditions under which some estimators can be expected to perform better. Extensive experiments across several semi-synthetic and real-world datasets validate the theoretical results and demonstrate the effectiveness of the proposed estimators.
- Abstract（参考訳）: 長期的な因果推論は多くの科学領域で注目を集めている。
既存の手法は主に、長期観測データと短期実験データを組み合わせて、平均的な長期因果効果を推定することに焦点を当てている。
しかし、不均一な長期因果効果を頑健かつ効果的に推定する方法はまだ検討されており、実用的な応用を著しく制限している。
本稿では,不均一な長期因果効果推定のための2段階型非パラメータ推定器を提案する。
軽微な仮定の下でそれらの漸近特性の包括的理論的解析を行い、いくつかの推定者がより良い性能を期待できる条件をよりよく理解することを目的としている。
いくつかの半合成および実世界のデータセットにわたる大規模な実験は、理論結果を評価し、提案した推定器の有効性を実証する。
関連論文リスト
- Non-parametric efficient estimation of marginal structural models with multi-valued time-varying treatments [0.9558392439655012]
半パラメトリック効率理論の最近の発展とともに機械学習を用いて縦断的研究を行い,そのような推定器を提案する。
提案手法は, 各時点において, 結果と治療機構が一貫した推定値である場合, 連続的に2倍強固であることを示す。
論文 参考訳（メタデータ） (2024-09-27T14:29:12Z) - Estimating Long-term Heterogeneous Dose-response Curve: Generalization Bound Leveraging Optimal Transport Weights [23.602196005738676]
多くのアプリケーションにおいて、因果効果の長期推定は重要な問題であるが難しい問題である。
既存の手法は、長期的な平均効果を推定するために理想的な仮定に依存している。
論文 参考訳（メタデータ） (2024-06-27T14:13:46Z) - A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
実験と観測を組み合わせた二重機械学習手法を提案する。
我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
論文 参考訳（メタデータ） (2023-07-04T02:53:11Z) - B-Learner: Quasi-Oracle Bounds on Heterogeneous Causal Effects Under
Hidden Confounding [51.74479522965712]
本稿では,B-Learnerと呼ばれるメタラーナーを提案する。
我々は、その推定が有効で、鋭く、効率的であることを証明し、既存の方法よりも一般的な条件下で構成推定器に対して準オーラル特性を持つことを示した。
論文 参考訳（メタデータ） (2023-04-20T18:07:19Z) - Estimating long-term causal effects from short-term experiments and
long-term observational data with unobserved confounding [5.854757988966379]
実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。
我々の長期因果効果推定器は、回帰残差と短期実験結果を組み合わせることで得られる。
論文 参考訳（メタデータ） (2023-02-21T12:22:47Z) - Long-term Causal Inference Under Persistent Confounding via Data Combination [38.026740610259225]
実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。
長期の成果は長期間の遅延後にのみ観測されるため、実験データでは測定されず、観測データでのみ記録される。
論文 参考訳（メタデータ） (2022-02-15T07:44:20Z) - 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) - 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)
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。