論文の概要: Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects

• arxiv url: http://arxiv.org/abs/2511.15904v1
• Date: Wed, 19 Nov 2025 22:15:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.386861
• Title: Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects
• Title（参考訳）: ベイズ半パラメトリック因果推論:治療効果の二重ロバスト推定
• Authors: Gözde Sert, Abhishek Chakrabortty, Anirban Bhattacharya,
• Abstract要約: 本稿では,平均治療効果(ATE)を推定するための半パラメトリックベイズ手法を提案する。 本手法では,ニュアンス推定によるバイアスを補正するベイズ偏差補正法を提案する。 広範囲なシミュレーションにより理論結果が確認され、正確な点推定と信頼区間が明確化される。
• 参考スコア（独自算出の注目度）: 1.2833734915643464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a semiparametric Bayesian methodology for estimating the average treatment effect (ATE) within the potential outcomes framework using observational data with high-dimensional nuisance parameters. Our method introduces a Bayesian debiasing procedure that corrects for bias arising from nuisance estimation and employs a targeted modeling strategy based on summary statistics rather than the full data. These summary statistics are identified in a debiased manner, enabling the estimation of nuisance bias via weighted observables and facilitating hierarchical learning of the ATE. By combining debiasing with sample splitting, our approach separates nuisance estimation from inference on the target parameter, reducing sensitivity to nuisance model specification. We establish that, under mild conditions, the marginal posterior for the ATE satisfies a Bernstein-von Mises theorem when both nuisance models are correctly specified and remains consistent and robust when only one is correct, achieving Bayesian double robustness. This ensures asymptotic efficiency and frequentist validity. Extensive simulations confirm the theoretical results, demonstrating accurate point estimation and credible intervals with nominal coverage, even in high-dimensional settings. The proposed framework can also be extended to other causal estimands, and its key principles offer a general foundation for advancing Bayesian semiparametric inference more broadly.
• Abstract（参考訳）: 本研究では,高次元ニュアンスパラメータを用いた観測データを用いて,平均治療効果(ATE)を推定する半パラメトリックベイズ手法を提案する。 提案手法では,ニュアンス推定から生じるバイアスを補正するベイズ偏差補正手法を導入し,全データではなく要約統計に基づくモデリング戦略を採用した。 これらの要約統計は、偏りのある方法で識別され、重み付き可観測物によるニュアンスバイアスの推定を可能にし、ATEの階層的学習を容易にする。 提案手法は,デバイアス処理とサンプル分割を組み合わせることで,対象パラメータの推測からニュアンス推定を分離し,ニュアンスモデル仕様に対する感度を低下させる。 穏やかな条件下では、ATE の限界後部は、両方のニュアンスモデルが正しく指定され、一方のみが正しい場合に一貫性と頑健性を維持し、ベイズ的二重強靭性を達成するときにベルンシュタイン・ヴォン・ミセスの定理を満たすことを証明している。 これにより、漸近効率と頻繁な妥当性が保証される。 広範囲なシミュレーションによって理論結果が確認され、高精度な点推定と、高次元の設定においても、名目範囲で信頼できる区間が示される。 提案されたフレームワークは他の因果推定にも拡張でき、その鍵となる原理はベイズ半パラメトリック推論をより広範囲に進めるための一般的な基盤を提供する。

関連論文リスト

• Bayesian Semi-supervised Inference via a Debiased Modeling Approach [1.2833734915643464]
  半教師付き(SS)設定における推論は,近年,近年のビッグデータ問題との関連性が高まっているため,大きな注目を集めている。 SS設定における人口平均を推定するためのベイズ的手法を提案する。
  論文  参考訳（メタデータ） (2025-09-22T06:49:10Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation [44.53678257757108]
  目的関数の大域的最適値にサブ線形収束できる新しいBO法を提案する。 本手法では,BOプロセスにランダムなデータポイントを追加するために,マルチアームバンディット法 (EXP3) を用いる。 提案手法は, 様々な合成および実世界の問題に対して, 既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-12T03:35:45Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
  不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。 新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
  論文  参考訳（メタデータ） (2022-11-29T15:32:25Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Learning to Estimate Without Bias [57.82628598276623]
  ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。 本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
  論文  参考訳（メタデータ） (2021-10-24T10:23:51Z)

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。