論文の概要: Reliable Selection of Heterogeneous Treatment Effect Estimators
- arxiv url: http://arxiv.org/abs/2511.18464v1
- Date: Sun, 23 Nov 2025 14:15:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.852497
- Title: Reliable Selection of Heterogeneous Treatment Effect Estimators
- Title（参考訳）: 不均一処理効果推定器の信頼性選択
- Authors: Jiayi Guo, Zijun Gao,
- Abstract要約: 本研究では, 治療効果が基本的に観察されていない環境下で, 候補の集合から, ベストヘテロジニアス処理効果 (HTE) 推定器を選択する問題について検討する。
我々は,複数のテスト問題として推定器の選択を論じ,クロスフィットで指数重み付けされたテスト統計に基づくゼロトラスフリー手法を導入した。
- 参考スコア（独自算出の注目度）: 10.969092501407635
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of selecting the best heterogeneous treatment effect (HTE) estimator from a collection of candidates in settings where the treatment effect is fundamentally unobserved. We cast estimator selection as a multiple testing problem and introduce a ground-truth-free procedure based on a cross-fitted, exponentially weighted test statistic. A key component of our method is a two-way sample splitting scheme that decouples nuisance estimation from weight learning and ensures the stability required for valid inference. Leveraging a stability-based central limit theorem, we establish asymptotic familywise error rate control under mild regularity conditions. Empirically, our procedure provides reliable error control while substantially reducing false selections compared with commonly used methods across ACIC 2016, IHDP, and Twins benchmarks, demonstrating that our method is feasible and powerful even without ground-truth treatment effects.
- Abstract（参考訳）: 本研究では, 治療効果が基本的に観察されていない環境下で, 候補の集合から, ベストヘテロジニアス処理効果 (HTE) 推定器を選択する問題について検討する。
我々は,複数のテスト問題として推定器の選択を論じ,クロスフィットで指数重み付けされたテスト統計に基づくゼロトラスフリー手法を導入した。
提案手法の重要な構成要素は,重み付け学習からニュアンス推定を分離し,有効推論に必要な安定性を確保する2方向サンプル分割方式である。
安定性に基づく中心極限定理を応用し、穏やかな規則性条件下での漸近的家族的誤差率制御を確立する。
提案手法は,ACIC 2016 や IHDP, Twins のベンチマークでよく用いられる手法と比較して, 誤り選択を著しく低減しつつ, 信頼性の高い誤差制御を実現する。
関連論文リスト
- Kernel Treatment Effects with Adaptively Collected Data [23.3862001690226]
本稿では,適応データ収集における分散推論のための最初のカーネルベース推論フレームワークを提案する。
本手法は,Hilbert-space Martingale CLTによる2つの頑健なスコアと分散安定化を組み合わせることで,正規性を確保する。
実験により、平均シフトとより高いモーメント差の両方に有効かつ効果的であることが示されている。
論文 参考訳（メタデータ） (2025-10-11T15:01:21Z) - Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes [54.18828236350544]
Propensity score matching (PSM) は、分析のために同等の人口を選択することで選択バイアスに対処する。
異なるマッチング手法は、すべての検証基準を満たす場合でも、同じタスクに対する平均処理効果(ATE)を著しく異なるものにすることができる。
この問題に対処するため,新しい指標A2Aを導入し,有効試合数を削減した。
論文 参考訳（メタデータ） (2024-07-20T12:42:24Z) - A Channel-ensemble Approach: Unbiased and Low-variance Pseudo-labels is Critical for Semi-supervised Classification [61.473485511491795]
半教師付き学習(SSL)はコンピュータビジョンにおける実践的な課題である。
Pseudo-label (PL) メソッド、例えば FixMatch や FreeMatch は SSL で State of The Art (SOTA) のパフォーマンスを取得する。
本稿では,複数の下位PLを理論的に保証された非偏りと低分散のPLに集約する,軽量なチャネルベースアンサンブル法を提案する。
論文 参考訳（メタデータ） (2024-03-27T09:49:37Z) - 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) - Semiparametric Efficient Inference in Adaptive Experiments [29.43493007296859]
本研究では, 治療や管理に対する課題の割り当てを規定する政策が, 時間とともに変化しうる連続的な実験において, 平均治療効果の効率的な推定の問題点を考察する。
まず、Adaptive Augmented Inverse-Probability Weighted estimator に対する中心極限定理について述べる。
次に、従来の手法よりもかなり厳密な確率性および漸近的信頼シーケンスの両方を導出した逐次推論設定を検討する。
論文 参考訳（メタデータ） (2023-11-30T06:25:06Z) - Optimal Transport for Treatment Effect Estimation [42.50410909962438]
観測データから条件平均処理効果を推定することは, 処理選択バイアスが存在するため, 極めて困難である。
代表的な方法は、潜在空間における異なる処理群の分布を整列させることによってこの問題を軽減することである。
本稿では,因果関係の文脈において最適な輸送手段であるEntire Space CounterFactual Regression (ESCFR)を提案する。
論文 参考訳（メタデータ） (2023-10-27T17:22:45Z) - Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。
本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。
シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
論文 参考訳（メタデータ） (2022-05-23T17:40:31Z) - 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) - Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。
結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文 参考訳（メタデータ） (2020-07-24T17:40:06Z)
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。