論文の概要: Causal Inference with the "Napkin Graph"

• arxiv url: http://arxiv.org/abs/2512.19861v1
• Date: Mon, 22 Dec 2025 20:35:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.65723
• Title: Causal Inference with the "Napkin Graph"
• Title（参考訳）: ナプキングラフを用いた因果推論
• Authors: Anna Guo, David Benkeser, Razieh Nabi,
• Abstract要約: 我々は,Mバイアス,器楽変数,古典的バックドアおよびフロントドアモデルのパターンをカプセル化した因果構造である「ナプキングラフ」について検討する。 本研究では,2段階の頑健な1ステップと最小損失ベース推定器を含む,この機能のための新しい推定器を開発する。
• 参考スコア（独自算出の注目度）: 0.7901604416781477
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmeasured confounding can render identification strategies based on adjustment functionals invalid. We study the "Napkin graph", a causal structure that encapsulates patterns of M-bias, instrumental variables, and the classical back-door and front-door models within a single graphical framework, yet requires a nonstandard identification strategy: the average treatment effect is expressed as a ratio of two g-formulas. We develop novel estimators for this functional, including doubly robust one-step and targeted minimum loss-based estimators that remain asymptotically linear when nuisance functions are estimated at slower-than-parametric rates using machine learning. We also show how a generalized independence restriction encoded by the Napkin graph, known as a Verma constraint, can be exploited to improve efficiency, illustrating more generally how such constraints in hidden variable DAGs can inform semiparametric inference. The proposed methods are validated through simulations and applied to the Finnish Life Course study to estimate the effect of educational attainment on income. An accompanying R package, napkincausal, implements all proposed procedures.
• Abstract（参考訳）: 未測定のコンバウンディングは、調整関数に基づいた識別戦略を無効にすることができる。 我々は,Mバイアス,器用変数,古典的バックドアおよびフロントドアモデルのパターンを単一のグラフィカル・フレームワーク内でカプセル化する因果構造である「ナプキングラフ」について検討する。 機械学習を用いて、ニュアンス関数がパラメータよりも遅い速度で推定される場合に、漸近的に線形である2段階の頑健な1段階と最小損失ベース推定器を含む、この機能のための新しい推定器を開発する。 また,隠れ変数DAGのそのような制約が半パラメトリック推論にどのように影響するかを,より一般に示し,Napkin グラフで符号化した Verma 制約を用いて効率を向上させる方法を示す。 提案手法はシミュレーションにより検証され,フィンランドのライフコース研究に適用され,教育的達成が収入に与える影響を推定する。 付随するRパッケージであるnakincausalは、提案されたすべての手順を実装している。

関連論文リスト

• Outcome-Based Online Reinforcement Learning: Algorithms and Fundamental Limits [58.63897489864948]
  結果に基づくフィードバックによる強化学習は、根本的な課題に直面します。 適切なアクションにクレジットを割り当てるには? 本稿では,一般関数近似を用いたオンラインRLにおけるこの問題の包括的解析を行う。
  論文  参考訳（メタデータ） (2025-05-26T17:44:08Z)
• 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)
• Off-policy estimation with adaptively collected data: the power of online learning [20.023469636707635]
  適応的に収集したデータを用いて, 処理効果の線形関数を推定する。 本稿では,オンライン学習を通じて治療効果の一連の推定を生成できる一般還元方式を提案する。
  論文  参考訳（メタデータ） (2024-11-19T10:18:27Z)
• Average Causal Effect Estimation in DAGs with Hidden Variables: Beyond Back-Door and Front-Door Criteria [0.8880611506199766]
  隠れ変数DAGのクラスに対して,新しいワンステップ修正プラグインと最小損失に基づく因果効果推定器を導入する。 これらの推定器は、モデリング仮定を最小化するためにデータ適応機械学習アルゴリズムを利用する。
  論文  参考訳（メタデータ） (2024-09-06T01:07:29Z)
• Joint Graph Learning and Model Fitting in Laplacian Regularized Stratified Models [5.933030735757292]
  ラプラシア正規化成層モデル(Laplacian regularized Stratified Model、LRSM)は、サブプロブレムの明示的または暗黙的なネットワーク構造を利用するモデルである。 本稿では,LRSMにおけるグラフ重みの重要性と感度を示し,その感度が任意に大きいことを示す。 本稿では,1つの最適化問題を解くことで,モデルパラメータを適合させながらグラフを共同学習する汎用的手法を提案する。
  論文  参考訳（メタデータ） (2023-05-04T06:06:29Z)
• GIF: A General Graph Unlearning Strategy via Influence Function [63.52038638220563]
  Graph Influence Function (GIF)は、削除されたデータにおける$epsilon$-massの摂動に応答してパラメータの変化を効率的に正確に推定できる、モデルに依存しない未学習の手法である。 我々は,4つの代表的GNNモデルと3つのベンチマークデータセットについて広範な実験を行い,未学習の有効性,モデルの有用性,未学習効率の観点からGIFの優位性を正当化する。
  論文  参考訳（メタデータ） (2023-04-06T03:02:54Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Identification of Latent Variables From Graphical Model Residuals [0.0]
  本稿では,推定モデルの残差から遅延空間のプロキシを反復的に導出することにより,DAGを推定する際に潜伏空間を制御する新しい手法を提案する。 結果の予測の改善は本質的にカプセル化されており,既成モデルと比較して一定の限界を超えないことを示す。
  論文  参考訳（メタデータ） (2021-01-07T02:28:49Z)

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。