論文の概要: Many Experiments, Few Repetitions, Unpaired Data, and Sparse Effects: Is Causal Inference Possible?

• arxiv url: http://arxiv.org/abs/2601.15254v1
• Date: Wed, 21 Jan 2026 18:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.498212
• Title: Many Experiments, Few Repetitions, Unpaired Data, and Sparse Effects: Is Causal Inference Possible?
• Title（参考訳）: 多くの実験、わずかな反復、不適切なデータ、スパース効果:因果推論は可能か?
• Authors: Felix Schur, Niklas Pfister, Peng Ding, Sach Mukherjee, Jonas Peters,
• Abstract要約: 本研究では,隠れたコンバウンディングの下での因果関係を推定する問題について検討する。 適切な正則性条件の下では、問題はインストゥルメンタル変数(IV)回帰としてキャストすることができる。 クロスフォールドサンプル分割に基づくGMM型推定器を提案する。
• 参考スコア（独自算出の注目度）: 9.833121064614337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of estimating causal effects under hidden confounding in the following unpaired data setting: we observe some covariates $X$ and an outcome $Y$ under different experimental conditions (environments) but do not observe them jointly; we either observe $X$ or $Y$. Under appropriate regularity conditions, the problem can be cast as an instrumental variable (IV) regression with the environment acting as a (possibly high-dimensional) instrument. When there are many environments but only a few observations per environment, standard two-sample IV estimators fail to be consistent. We propose a GMM-type estimator based on cross-fold sample splitting of the instrument-covariate sample and prove that it is consistent as the number of environments grows but the sample size per environment remains constant. We further extend the method to sparse causal effects via $\ell_1$-regularized estimation and post-selection refitting.
• Abstract（参考訳）: 実験条件の異なる条件(環境)下では、いくつかの共変量$X$と結果$Y$を観測するが、これらを共同で観測することはせず、また、$X$または$Y$を観測する。 適切な正則性条件の下では、この問題は(高次元の)機器として作用する環境を持つ機器変数(IV)回帰としてキャストすることができる。 多くの環境があるが、環境ごとの観測はごくわずかであり、標準の2サンプルIV推定器は一貫性がない。 計器共変量試料のクロスフォールドサンプル分割に基づくGMM型推定器を提案し, 環境数の増加に伴って一貫した値を示すが, サンプルサイズは一定であることを示す。 さらに、$\ell_1$-regularized Estimation と post-selection refitting によって因果効果を分離するように拡張する。

関連論文リスト

• Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding [52.1068936424622]
  治療が介入によって設定された場合、対象変数$Y$に対して、予測因果効果$E[Y|do(X)]$を推定する問題を考える。 選択バイアスや欠点のない設定では、$E[Y|do(X)] = E[Y|X]$ となる。 選択バイアスとコンバウンディングの両方を組み込んだフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-26T13:43:37Z)
• Identifying General Mechanism Shifts in Linear Causal Representations [58.6238439611389]
  我々は,未知の潜在因子の線形混合を観測する線形因果表現学習環境について考察する。 近年の研究では、潜伏要因の復元や、それに基づく構造因果モデルの構築が可能であることが示されている。 非常に穏やかな標準仮定の下では、シフトしたノードの集合を識別することが可能である。
  論文  参考訳（メタデータ） (2024-10-31T15:56:50Z)
• Mining Invariance from Nonlinear Multi-Environment Data: Binary Classification [2.0528878959274883]
  本稿では,一般的な非線形データ生成機構に光を放つバイナリ分類に着目する。 環境上で不変なモデルをトレーニングできるような、バイナリ設定にのみ存在するユニークな不変性の形式を特定します。 本稿では,実データと合成データを用いた予測手法の提案と実験を行う。
  論文  参考訳（メタデータ） (2024-04-23T17:26:59Z)
• Invariant Causal Prediction with Local Models [52.161513027831646]
  観測データから対象変数の因果親を特定するタスクについて検討する。 L-ICP(textbfL$ocalized $textbfI$nvariant $textbfCa$usal $textbfP$rediction)と呼ばれる実用的手法を導入する。
  論文  参考訳（メタデータ） (2024-01-10T15:34:42Z)
• Detecting Adversarial Data by Probing Multiple Perturbations Using Expected Perturbation Score [62.54911162109439]
  逆方向検出は、自然分布と逆方向分布の差に基づいて、与えられたサンプルが逆方向であるかどうかを判定することを目的としている。 本研究では,様々な摂動後の標本の予測スコアであるEPS(pre expected perturbation score)を提案する。 EPSに基づく最大平均誤差(MMD)を,試験試料と自然試料との差を測定する指標として開発する。
  論文  参考訳（メタデータ） (2023-05-25T13:14:58Z)
• Environment Invariant Linear Least Squares [16.831875263656027]
  本稿では,複数の実験環境からのデータを収集する多環境線形回帰モデルについて考察する。 線形最小二乗回帰のマルチ環境バージョンである、新しい環境不変線形最小二乗関数(EILLS)を構築する。
  論文  参考訳（メタデータ） (2023-03-06T13:10:54Z)
• Iterative Feature Matching: Toward Provable Domain Generalization with Logarithmic Environments [55.24895403089543]
  ドメインの一般化は、限られた数のトレーニング環境からのデータで、目に見えないテスト環境でうまく機能することを目的としています。 我々は,O(logd_s)$環境のみを見た後に一般化する予測器を高確率で生成することを保証する反復的特徴マッチングに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-18T04:39:19Z)
• Least Squares Estimation Using Sketched Data with Heteroskedastic Errors [0.0]
  ランダムなプロジェクションによってスケッチされたデータを用いた推定は、エラーがホモスケダスティックであるかのように振る舞うことを示す。 楽器関連性の第一段階Fテストを含む推論は、スケッチスキームが適切に選択された場合の完全なサンプルケースよりも簡単である。
  論文  参考訳（メタデータ） (2020-07-15T15:58:27Z)

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。