論文の概要: Estimating Total Effects in Bipartite Experiments with Spillovers and Partial Eligibility

• arxiv url: http://arxiv.org/abs/2511.11564v1
• Date: Fri, 14 Nov 2025 18:55:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.767589
• Title: Estimating Total Effects in Bipartite Experiments with Spillovers and Partial Eligibility
• Title（参考訳）: 偏光子を用いたバイパルタイト実験におけるトータル効果の推定と部分偏光度
• Authors: Albert Tan, Mohsen Bayati, James Nordlund, Roman Istomin,
• Abstract要約: 我々は、全てのユニットが相互作用を続けながら、処理側ユニットのサブセットのみを割り当てる2部システムにおけるランダム化実験について研究する。 適応性に制約のあるバイパートイト実験を形式化し,完全な展開に対応する推定値を定義する。 我々は、露出マッピング、一般化された確率スコア、フレキシブル機械学習を組み合わせた干渉対応アンサンブル推定器を開発した。
• 参考スコア（独自算出の注目度）: 5.914780964919124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study randomized experiments in bipartite systems where only a subset of treatment-side units are eligible for assignment while all units continue to interact, generating interference. We formalize eligibility-constrained bipartite experiments and define estimands aligned with full deployment: the Primary Total Treatment Effect (PTTE) on eligible units and the Secondary Total Treatment Effect (STTE) on ineligible units. Under randomization within the eligible set, we give identification conditions and develop interference-aware ensemble estimators that combine exposure mappings, generalized propensity scores, and flexible machine learning. We further introduce a projection that links treatment- and outcome-level estimands; this mapping is exact under a Linear Additive Edges condition and enables estimation on the (typically much smaller) treatment side with deterministic aggregation to outcomes. In simulations with known ground truth across realistic exposure regimes, the proposed estimators recover PTTE and STTE with low bias and variance and reduce the bias that could arise when interference is ignored. Two field experiments illustrate practical relevance: our method corrects the direction of expected interference bias for a pre-specified metric in both studies and reverses the sign and significance of the primary decision metric in one case.
• Abstract（参考訳）: 我々は、全てのユニットが相互作用し、干渉を発生している間に、処理側ユニットのサブセットのみを割り当てる二部処理系におけるランダム化実験について研究する。 本研究は, 適応性に制約のある二部体実験を形式化し, 適用可能な単位にPTTE(primary Total Treatment Effect), 非許容単位にSTTE(secondary Total Treatment Effect)という, 完全な展開に合わせた推定値を定義した。 対象集合内のランダム化の下では、識別条件を与え、露光マッピング、一般化された確率スコア、フレキシブル機械学習を組み合わせた干渉認識アンサンブル推定器を開発する。 このマッピングは線形加法エッジ条件の下で正確に行われ、結果に対する決定論的集約を伴う(典型的にはより小さい)処理側の推定を可能にする。 現実的な露光状態における既知基底真理のシミュレーションにおいて、提案した推定器は、低いバイアスとばらつきでPTTEとSTTEを回復し、干渉が無視されたときに生じる可能性のあるバイアスを低減する。 2つのフィールド実験は実用的関連性を示しており、本手法は両研究において予め特定された指標に対する予測される干渉バイアスの方向を補正し、1つの事例において一次決定基準の符号と意義を逆転させる。

関連論文リスト

• Prediction-Powered Causal Inferences [59.98498488132307]
  予測型因果推論(PPCI)に焦点をあてる まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。 次に、実験間での十分な表現制約伝達の妥当性を導入する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Can We Validate Counterfactual Estimations in the Presence of General Network Interference? [13.49152464081862]
  我々は、因果推論における推定と検証の両方に機械学習ツールを使うことを容易にするフレームワークを導入する。 新しい分布保存ネットワークブートストラップは、単一実験のデータから統計的に有意なサブポピュレーションを生成する。 ファクトファクトのクロスバリデーション手順は、モデル検証の原則を因果的設定のユニークな制約に適応させる。
  論文  参考訳（メタデータ） (2025-02-03T06:51:04Z)
• Assumption-Lean Post-Integrated Inference with Surrogate Control Outcomes [6.448728765953916]
  制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。 我々は、予測された直接効果推定に関する半パラメトリック推論を開発し、隠された仲介者、共同設立者、モデレーターを考慮に入れた。 提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
  論文  参考訳（メタデータ） (2024-10-07T12:52:38Z)
• Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
  本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。 我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。 因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2023-12-15T22:04:53Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
  ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。 トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• 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。