論文の概要: Conditional Average Treatment Effect Estimation Under Hidden Confounders

• arxiv url: http://arxiv.org/abs/2506.12304v1
• Date: Sat, 14 Jun 2025 01:43:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:45.785102
• Title: Conditional Average Treatment Effect Estimation Under Hidden Confounders
• Title（参考訳）: 隠れた共同ファウンダーの条件平均処理効果の推定
• Authors: Ahmed Aloui, Juncheng Dong, Ali Hasan, Vahid Tarokh,
• Abstract要約: 擬似共同生成器とCATEモデルに基づくCATE推定手法を提案する。 我々の方法は、特にプライバシーが懸念される多くの実践的なシナリオに当てはまる。
• 参考スコア（独自算出の注目度）: 25.62280114114055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the major challenges in estimating conditional potential outcomes and conditional average treatment effects (CATE) is the presence of hidden confounders. Since testing for hidden confounders cannot be accomplished only with observational data, conditional unconfoundedness is commonly assumed in the literature of CATE estimation. Nevertheless, under this assumption, CATE estimation can be significantly biased due to the effects of unobserved confounders. In this work, we consider the case where in addition to a potentially large observational dataset, a small dataset from a randomized controlled trial (RCT) is available. Notably, we make no assumptions on the existence of any covariate information for the RCT dataset, we only require the outcomes to be observed. We propose a CATE estimation method based on a pseudo-confounder generator and a CATE model that aligns the learned potential outcomes from the observational data with those observed from the RCT. Our method is applicable to many practical scenarios of interest, particularly those where privacy is a concern (e.g., medical applications). Extensive numerical experiments are provided demonstrating the effectiveness of our approach for both synthetic and real-world datasets.
• Abstract（参考訳）: 条件付き潜在的結果と条件付き平均治療効果(CATE)を推定する上での大きな課題の1つは、隠れた共同創設者の存在である。 隠れた共同創設者の検査は観測データだけでは達成できないため、CATE推定の文献では条件付き未確立が一般的である。 しかしながら、この仮定の下では、CATE推定は、観測されていない共同設立者の影響により、著しくバイアスを受けることができる。 本研究では、潜在的に大きな観測データセットに加えて、ランダム化制御試行(RCT)からの小さなデータセットが利用可能である場合について考察する。 特に、RCTデータセットの共変量情報の存在を前提とせず、観測する結果のみを必要とする。 擬似共同生成器とCATEモデルに基づくCATE推定手法を提案する。 当社の手法は,特にプライバシが懸念される分野(医療応用など)において,多くの実践シナリオに適用可能である。 総合的な数値実験を行い,本手法の有効性について検討した。

関連論文リスト

• A Partial Initialization Strategy to Mitigate the Overfitting Problem in CATE Estimation with Hidden Confounding [44.874826691991565]
  観察データから条件平均治療効果(CATE)を推定することは、電子商取引、医療、経済などの分野において重要な役割を果たす。 既存の研究は主に、隠れた共同設立者がいないという強い無知の仮定に依存している。 ランダム化制御試験 (RCT) から収集されたデータは、共起に苦しむことはないが、通常は小さなサンプルサイズによって制限される。
  論文  参考訳（メタデータ） (2025-01-15T15:58:16Z)
• Combining Incomplete Observational and Randomized Data for Heterogeneous Treatment Effects [10.9134216137537]
  既存の観測データとランダム化データを統合するには,テキスト完全観測データが必要である。 我々は、HTE推定のためのtextbfCombine textbfIncomplete textbfObservationalデータとランダム化データに対するレジリエントなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-28T06:19:14Z)
• 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)
• Falsification before Extrapolation in Causal Effect Estimation [6.715453431174765]
  個体群における因果関係は、しばしば観測データを用いて推定される。 本稿では,偏りのある観測推定を拒否するメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T21:47:23Z)
• 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)
• Doing Great at Estimating CATE? On the Neglected Assumptions in Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
  もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。 異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。 ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
  論文  参考訳（メタデータ） (2021-07-28T13:21:27Z)
• Quantifying Ignorance in Individual-Level Causal-Effect Estimates under Hidden Confounding [38.09565581056218]
  共同設立者による高次元観測データから条件付き平均治療効果(CATE)の学習問題について検討した。 高次元データに適した新しいパラメトリック間隔推定器を提案する。
  論文  参考訳（メタデータ） (2021-03-08T15:58:06Z)
• 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)
• Causal Inference With Selectively Deconfounded Data [22.624714904663424]
  我々は、平均治療効果(ATE)を推定する際に、大規模な統合された観測データセット(共同設立者なし)と小さな非統合された観測データセット(共同設立者明らかに)を組み込むことの利点を検討する。 理論的には, 待ち行列を所望の精度で推定するために必要なデコンストラクタデータの量を大幅に削減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-02-25T18:46:19Z)

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。