論文の概要: Direct Bayesian Additive Regression Trees for Conditional Average Treatment Effects in Regression Discontinuity Designs

• arxiv url: http://arxiv.org/abs/2603.03819v1
• Date: Wed, 04 Mar 2026 08:11:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.228498
• Title: Direct Bayesian Additive Regression Trees for Conditional Average Treatment Effects in Regression Discontinuity Designs
• Title（参考訳）: 回帰不連続設計における条件平均処理効果に対する直接ベイズ付加回帰木
• Authors: Daisuke Kondo, Shonosuke Sugasawa,
• Abstract要約: ベイジアン付加回帰木(BART)に基づく不均一処理効果を推定するための非パラメトリックアプローチを提案する。 本手法の重要な特徴は, カットオフ周辺に局所線形モデルを適合させる損失関数によって定義される擬似モデルを用いて, 一般ベイズフレームワークを採用することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regression discontinuity designs (RDD) are widely used for causal inference. In many empirical applications, treatment effects vary substantially with covariates, and ignoring such heterogeneity can lead to misleading conclusions, which motivates flexible modeling of heterogeneous treatment effects in RDD. To this end, we propose a Bayesian nonparametric approach to estimating heterogeneous treatment effects based on Bayesian Additive Regression Trees (BART). The key feature of our method lies in adopting a general Bayesian framework using a pseudo-model defined through a loss function for fitting local linear models around the cutoff, which gives direct modeling of heterogeneous treatment effects by BART. Optimal selection of the bandwidth parameter for the local model is implemented using the Hyvärinen score. Through numerical experiments, we demonstrate that the proposed approach flexibly captures complicated structures of heterogeneous treatment effects as a function of covariates.
• Abstract（参考訳）: 回帰不連続設計(RDD)は因果推論に広く用いられている。 多くの経験的応用において、処理効果は共変量と大きく異なり、そのような不均一性を無視すると誤った結論が導き出され、RDDにおける不均一な処理効果の柔軟なモデリングが動機となる。 そこで本研究では,BART(Bayesian Additive Regression Trees)に基づく不均一処理効果を推定するためのベイズ非パラメトリック手法を提案する。 本手法の重要な特徴は, カットオフ周辺に局所線形モデルを適合させる損失関数によって定義される擬似モデルを用いて, 一般ベイズフレームワークを採用することである。 局所モデルに対する帯域幅パラメータの最適選択はHyvärinenスコアを用いて行う。 数値実験により,提案手法は共変量関数として不均一な処理効果の複雑な構造を柔軟に捕捉することを示した。

関連論文リスト

• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• On Efficient Estimation of Distributional Treatment Effects under Covariate-Adaptive Randomization [6.324765782436764]
  既製の機械学習手法を利用したフレキシブルな分散回帰フレームワークを提案する。 提案する推定器の分布を確立し,有効な推論手順を導入する。
  論文  参考訳（メタデータ） (2025-06-06T10:14:38Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
  拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。 本稿では,DBPプロセスの本質性がロバスト性を駆動する主要な要因であることを示す。
  論文  参考訳（メタデータ） (2024-04-22T16:10:38Z)
• 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)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• GCF: Generalized Causal Forest for Heterogeneous Treatment Effect Estimation in Online Marketplace [12.114394141790438]
  アップリフトモデリングは、機械学習と因果推論手法を用いて不均一な治療効果を推定する、急速に成長するアプローチである。 非パラメトリック線量応答関数(DRF)をカーネルベースの二重頑健な推定器を用いて局所的に推定できる因果林(CF)を拡張した。 合成および実世界の両方のデータセット上で、一般的なアップリフトモデルと比較することにより、GCFの有効性を示す。
  論文  参考訳（メタデータ） (2022-03-21T13:35:55Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Discovering Heterogeneous Treatment Effects in Regression Discontinuity Designs [0.0]
  本稿では,ファジィ回帰不連続設計における処理効果の不均一性を明らかにするための因果教師付き機械学習アルゴリズムを提案する。 モンテカルロシミュレーションを用いて本手法の性能を検証し,ルーマニアのより良い中等教育に通うことによる異質性の諸源を明らかにする。
  論文  参考訳（メタデータ） (2021-06-22T09:47:28Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Sparse Bayesian Causal Forests for Heterogeneous Treatment Effects Estimation [0.0]
  本稿では,ベイジアン因果樹林のスパース性誘導型を考案する。 観察データを用いて不均一な治療効果を推定する。
  論文  参考訳（メタデータ） (2021-02-12T15:24:50Z)

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。