論文の概要: Disentangled Instrumental Variables for Causal Inference with Networked Observational Data

• arxiv url: http://arxiv.org/abs/2602.07765v1
• Date: Sun, 08 Feb 2026 01:45:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.791053
• Title: Disentangled Instrumental Variables for Causal Inference with Networked Observational Data
• Title（参考訳）: ネットワーク観測データを用いた因果推論のための異方性機器変数
• Authors: Zhirong Huang, Debo Cheng, Guixian Zhang, Yi Wang, Jiuyong Li, Shichao Zhang,
• Abstract要約: 本稿では,潜在共同設立者とのネットワーク観測データに基づく因果推論手法を提案する。 DisIVはネットワークの均一性を誘導バイアスとして利用し、遅延IVとして機能する個々の特定の成分を抽出するために構造的非絡み合い機構を用いる。
• 参考スコア（独自算出の注目度）: 19.568312273682768
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Instrumental variables (IVs) are crucial for addressing unobservable confounders, yet their stringent exogeneity assumptions pose significant challenges in networked data. Existing methods typically rely on modelling neighbour information when recovering IVs, thereby inevitably mixing shared environment-induced endogenous correlations and individual-specific exogenous variation, leading the resulting IVs to inherit dependence on unobserved confounders and to violate exogeneity. To overcome this challenge, we propose $\underline{Dis}$entangled $\underline{I}$nstrumental $\underline{V}$ariables (DisIV) framework, a novel method for causal inference based on networked observational data with latent confounders. DisIV exploits network homogeneity as an inductive bias and employs a structural disentanglement mechanism to extract individual-specific components that serve as latent IVs. The causal validity of the extracted IVs is constrained through explicit orthogonality and exclusion conditions. Extensive semi-synthetic experiments on real-world datasets demonstrate that DisIV consistently outperforms state-of-the-art baselines in causal effect estimation under network-induced confounding.
• Abstract（参考訳）: 計器変数(IV)は、観測不能な共同創設者に対処するために重要であるが、その厳密な不均一性の仮定は、ネットワーク化されたデータに重大な課題をもたらす。 既存の方法は、IVを回収する際、近隣の情報をモデル化することに依存するため、共有環境によって誘導される内因性相関と個人固有の外因性変動を必然的に混合し、その結果、IVは保存されていない共同設立者への依存を継承し、異種性に反する。 この課題を克服するために,ネットワーク化された観測データに基づく因果推論の新しい手法である$\underline{Dis}$entangled $\underline{I}$nstrumental $\underline{V}$ariables (DisIV) フレームワークを提案する。 DisIVはネットワークの均一性を誘導バイアスとして利用し、遅延IVとして機能する個々の特定の成分を抽出するために構造的非絡み合い機構を用いる。 抽出されたIVsの因果正当性は、明示的な直交性および排除条件によって制約される。 実世界のデータセットに対する大規模な半合成実験により、DisIVは、ネットワーク誘起の共起下での因果効果推定において、最先端のベースラインを一貫して上回ることを示した。

関連論文リスト

• Flow IV: Counterfactual Inference In Nonseparable Outcome Models Using Instrumental Variables [2.3213238782019316]
  標準IVの仮定の下では、治療と結果における潜伏雑音が厳密に単調で連立ガウス的であるという仮定とともに、治療と成果の関係は観測データから一意に特定される。 これにより、非分離モデルにおいても反ファクト推論が可能となる。 本手法は,観測結果の精度を最大化するために正規化フローをトレーニングすることにより実現し,基礎となる結果関数の正確な回復を実証する。
  論文  参考訳（メタデータ） (2025-08-02T11:24:03Z)
• Robust Molecular Property Prediction via Densifying Scarce Labeled Data [53.24886143129006]
  薬物発見において、研究を進める上で最も重要な化合物は、しばしば訓練セットを越えている。 本稿では, ラベル付きデータを利用して, 分布内データ(ID)と分布外データ(OOD)を補間する2段階最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T15:27:40Z)
• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• Conditional Instrumental Variable Regression with Representation Learning for Causal Inference [20.454641170078812]
  本稿では,観測データから因果効果を推定する上での課題について考察する。 本稿では,非保守的共同設立者からの共起バイアスを解消し,観察された共同設立者のバランスをとるために,共起バランス表現学習(CBRL.CIV)による非線形回帰を提案する。
  論文  参考訳（メタデータ） (2023-10-03T08:08:09Z)
• On the instrumental variable estimation with many weak and invalid instruments [1.837552179215311]
  楽器変数(IV)モデルにおける計算の基本的な問題点について検討する。 スパースペナルティ構造と等価な「スパース特性」を仮定し,サロゲートステップ同定法の利点を検証し,証明する。 スパース同定条件に整合した代理ステップ選択推定法を提案する。
  論文  参考訳（メタデータ） (2022-07-07T01:31:34Z)
• Ancestral Instrument Method for Causal Inference without Complete Knowledge [0.0]
  観測データから因果効果を推定する主な障害は、観測不能な共起である。 条件IVは、観測変数の集合を条件付けすることで標準IVの要求を緩和するために提案されている。 本研究では,祖先IVと観測データを用いた因果効果推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-11T07:02:16Z)
• Instrumental Variable Value Iteration for Causal Offline Reinforcement Learning [107.70165026669308]
  オフライン強化学習(RL)では、事前収集された観測データのみから最適なポリシーが学習される。 遷移力学が加法的非線形汎関数形式を持つようなマルコフ決定過程について検討する。 そこで本稿では,条件付きモーメント制限の原始的2次元再構成に基づく,証明可能なIVVIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-19T13:01:40Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。