論文の概要: Rate doubly robust estimation for weighted average treatment effects

• arxiv url: http://arxiv.org/abs/2509.14502v1
• Date: Thu, 18 Sep 2025 00:26:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.008375
• Title: Rate doubly robust estimation for weighted average treatment effects
• Title（参考訳）: 重み付き平均処理効果の2倍ロバスト推定
• Authors: Yiming Wang, Yi Liu, Shu Yang,
• Abstract要約: 重み付き平均治療効果(英: weighted average treatment effect、WATE)は、確率スコアの重みによって特徴づけられる集団の因果推定値の多様類を定義する。 WATEは、これらの分野の多くのデータセットが、そのフレームワークと一致しているため、社会的および医学的な研究に広く適用可能である。 特定の速度と規則性条件下での3つのRDR推定器を提案し,その性能をモンテカルロシミュレーションを用いて評価する。
• 参考スコア（独自算出の注目度）: 10.890351489617844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The weighted average treatment effect (WATE) defines a versatile class of causal estimands for populations characterized by propensity score weights, including the average treatment effect (ATE), treatment effect on the treated (ATT), on controls (ATC), and for the overlap population (ATO). WATE has broad applicability in social and medical research, as many datasets from these fields align with its framework. However, the literature lacks a systematic investigation into the robustness and efficiency conditions for WATE estimation. Although doubly robust (DR) estimators are well-studied for ATE, their applicability to other WATEs remains uncertain. This paper investigates whether widely used WATEs admit DR or rate doubly robust (RDR) estimators and assesses the role of nuisance function accuracy, particularly with machine learning. Using semiparametric efficient influence function (EIF) theory and double/debiased machine learning (DML), we propose three RDR estimators under specific rate and regularity conditions and evaluate their performance via Monte Carlo simulations. Applications to NHANES data on smoking and blood lead levels, and SIPP data on 401(k) eligibility, demonstrate the methods' practical relevance in medical and social sciences.
• Abstract（参考訳）: 重み付き平均治療効果(WATE)は、平均治療効果(ATE)、治療効果(ATT)、対照群(ATC)、重複集団(ATO)など、確率スコアの重み付けが特徴の集団に対する多種多様な因果推定値を定義する。 WATEは、これらの分野の多くのデータセットが、そのフレームワークと一致しているため、社会的および医学的な研究に広く適用可能である。 しかし、この文献は、WATE推定の堅牢性と効率性に関する体系的な研究を欠いている。 2重頑健(DR)推定器はATEについてよく研究されているが、他のWATEにも適用可能であるかは定かではない。 本稿では,広範に使用されているWATEがDRを許容するか,あるいはRDR(Rouble-Double-Double-Double-Double-Restimator)を推定し,ニュアンス関数の精度(特に機械学習)について評価する。 半パラメトリック・エフェクト関数 (EIF) 理論とダブル/デバイアスド・機械学習 (DML) を用いて, 比速度および規則性条件下での3つのRDR推定器を提案し, モンテカルロシミュレーションによる性能評価を行った。 喫煙および血中鉛濃度に関するNHANESデータおよび401(k)の適性に関するSIPPデータの適用は、医療・社会科学における方法の実践的妥当性を実証する。

関連論文リスト

• Causal machine learning for heterogeneous treatment effects in the presence of missing outcome data [0.9087641068861047]
  条件付き平均治療効果(CATE)に対する因果的機械学習推定器に欠落した結果データが与える影響について論じる。 我々はCATE(mDR-learner)とmEP-learner(mEP-learner)の2つの非バイアス機械学習推定器を提案する。 妥当な条件下では,これらの推定器はオラクル効率が高く,シミュレーションデータ設定による良好な性能を示す。
  論文  参考訳（メタデータ） (2024-12-27T16:10:03Z)
• Estimating Causal Effects with Double Machine Learning -- A Method Evaluation [5.904095466127043]
  DML(Double/Debiased Machine Learning)の最も顕著な手法の1つについてレビューする。 この結果から, DML 内でのフレキシブルな機械学習アルゴリズムの適用により, 様々な非線形共起関係の調整が向上することが示唆された。 大気汚染が住宅価格に与える影響を推定すると、DMLの見積もりは柔軟性の低い方法の推定よりも一貫して大きいことが分かる。
  論文  参考訳（メタデータ） (2024-03-21T13:21:33Z)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• 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)
• Robust Causal Learning for the Estimation of Average Treatment Effects [14.96459402684986]
  本稿では,Double/Debiased Machine Learning (DML) 推定器の欠陥を相殺するRobust Causal Learning (RCL) 手法を提案する。 実験の結果,RCL推定器はDML推定器よりも,因果パラメータの安定な推定を行うことがわかった。
  論文  参考訳（メタデータ） (2022-09-05T07:35:58Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• 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)
• On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [43.17788100119767]
  一次利害関係にない結果のみを代理する単位にデータを組み込むことは、ATE推定の精度を高めることができる。 我々は,これらの効率向上を実現するために,ロバストなATE推定と推論手法を開発した。
  論文  参考訳（メタデータ） (2020-03-27T13:31:49Z)

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。