論文の概要: Estimation of Treatment Effects in Extreme and Unobserved Data

• arxiv url: http://arxiv.org/abs/2506.14051v1
• Date: Mon, 16 Jun 2025 23:17:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.265627
• Title: Estimation of Treatment Effects in Extreme and Unobserved Data
• Title（参考訳）: 極端・未観測データの処理効果の推定
• Authors: Jiyuan Tan, Jose Blanchet, Vasilis Syrgkanis,
• Abstract要約: 極端データにおける治療効果を評価するための新しい枠組みを導入し, 稀な事象発生時の因果効果を捉えた。 極端治療効果に対する一貫した推定器を開発し,その性能について厳密な非漸近解析を行った。
• 参考スコア（独自算出の注目度）: 17.503562318576414
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Causal effect estimation seeks to determine the impact of an intervention from observational data. However, the existing causal inference literature primarily addresses treatment effects on frequently occurring events. But what if we are interested in estimating the effects of a policy intervention whose benefits, while potentially important, can only be observed and measured in rare yet impactful events, such as extreme climate events? The standard causal inference methodology is not designed for this type of inference since the events of interest may be scarce in the observed data and some degree of extrapolation is necessary. Extreme Value Theory (EVT) provides methodologies for analyzing statistical phenomena in such extreme regimes. We introduce a novel framework for assessing treatment effects in extreme data to capture the causal effect at the occurrence of rare events of interest. In particular, we employ the theory of multivariate regular variation to model extremities. We develop a consistent estimator for extreme treatment effects and present a rigorous non-asymptotic analysis of its performance. We illustrate the performance of our estimator using both synthetic and semi-synthetic data.
• Abstract（参考訳）: 因果効果推定は、観測データから介入の影響を判定する。 しかし、既存の因果推論文献は主に頻発する事象に対する治療効果に対処している。 しかし、もし我々が政策介入の効果を見積もることに興味があるとしたら、その利益は、潜在的に重要なものの、極端な気候イベントのような稀だが影響のある出来事でのみ観察し、測定することができる。 標準的な因果推論手法は、観測データには関心の事象が乏しく、ある程度の補間が必要であるため、この種の推論のために設計されていない。 極値理論(EVT)は、このような極端な状態における統計現象を分析するための方法論を提供する。 極端データにおける治療効果を評価するための新しい枠組みを導入し, 稀な事象発生時の因果効果を捉えた。 特に,多変量正則変分の理論をモデル超越性に適用する。 極端治療効果に対する一貫した推定器を開発し,その性能について厳密な非漸近解析を行った。 合成データと半合成データの両方を用いた推定器の性能について述べる。

関連論文リスト

• Do-PFN: In-Context Learning for Causal Effect Estimation [75.62771416172109]
  予備データ適合ネットワーク(PFN)は, 合成データに基づいて事前学習を行い, 結果を予測する。 提案手法により,基礎となる因果グラフの知識を必要とせず,因果効果の正確な推定が可能となる。
  論文  参考訳（メタデータ） (2025-06-06T12:43:57Z)
• Statistical Learning for Heterogeneous Treatment Effects: Pretraining, Prognosis, and Prediction [40.96453902709292]
  実世界の応用における現象を利用した事前学習戦略を提案する。 医学では、同じ生物学的シグナル伝達経路の成分は、ベースラインリスクと治療反応の両方に頻繁に影響を及ぼす。 この構造を用いて、リスク予測と因果効果推定の相乗効果を利用するモデルを開発する。
  論文  参考訳（メタデータ） (2025-05-01T05:12:14Z)
• Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
  本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。 我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T18:00:51Z)
• Treatment Effects in Extreme Regimes [31.069635076539367]
  極端状態における治療効果を推定するための極端値理論に基づく新しい枠組みを提案する。 これらの効果は, 治療の有無と存在下での潜在的な結果のテール崩壊率の変動を用いて定量化する。
  論文  参考訳（メタデータ） (2023-06-20T17:22:23Z)
• Understanding the Impact of Competing Events on Heterogeneous Treatment Effect Estimation from Time-to-Event Data [92.51773744318119]
  本研究では,競合イベントの存在下での時間-時間データからヘテロジニアス処理効果(HTE)を推定する問題について検討する。 提案手法は,HTEを推定するための結果モデリング手法であり,既存の時間-時間データの予測モデルを,将来的な結果のプラグイン推定手段としてどのように利用できるかを検討する。 HTEの推定に汎用的な機械学習予測モデルを使用する場合、これらの課題がいつどのように機能するかを理論的に分析し、実証的に説明する。
  論文  参考訳（メタデータ） (2023-02-23T14:28:55Z)
• Systematic Evaluation of Predictive Fairness [60.0947291284978]
  バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。 複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。 データ条件が相対モデルの性能に強い影響を与えることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T05:40:13Z)
• 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)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• 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。