論文の概要: Testing Full Mediation of Treatment Effects and the Identifiability of Causal Mechanisms
- arxiv url: http://arxiv.org/abs/2603.04109v1
- Date: Wed, 04 Mar 2026 14:29:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.342527
- Title: Testing Full Mediation of Treatment Effects and the Identifiability of Causal Mechanisms
- Title（参考訳）: 治療効果のフルメディエーションと因果メカニズムの同定可能性
- Authors: Martin Huber, Kevin Kloiber, Lukáš Lafférs,
- Abstract要約: 治療の因果効果が、観察された中間結果によって完全に媒介されるか、または排他的に機能するかを評価するテストを提案する。
因果機構の完全なメディエーションと同定の両方が成り立つ場合、条件付きランダム処理は結果から条件的に独立であることを示す。
この場合、完全な調停は検証可能であるが、因果関係の同定はもはや保証されていない。
- 参考スコア（独自算出の注目度）: 0.49157446832511503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In causal analysis, understanding the causal mechanisms through which an intervention or treatment affects an outcome is often of central interest. We propose a test to evaluate (i) whether the causal effect of a treatment that is randomly assigned conditional on covariates is fully mediated by, or operates exclusively through, observed intermediate outcomes (referred to as mediators or surrogate outcomes), and (ii) whether the various causal mechanisms operating through different mediators are identifiable conditional on covariates. We demonstrate that if both full mediation and identification of causal mechanisms hold, then the conditionally random treatment is conditionally independent of the outcome given the mediators and covariates. Furthermore, we extend our framework to settings with non-randomly assigned treatments. We show that, in this case, full mediation remains testable, while identification of causal mechanisms is no longer guaranteed. We propose a double machine learning framework for implementing the test that can incorporate high-dimensional covariates and is root-n consistent and asymptotically normal under specific regularity conditions. We also present a simulation study demonstrating good finite-sample performance of our method, along with two empirical applications revisiting randomized experiments on maternal mental health and social norms.
- Abstract（参考訳）: 因果分析において、介入や治療が結果に影響を及ぼす因果メカニズムを理解することは、しばしば中心的な関心事である。
評価するテストを提案する。
一 共変量に対して無作為に割り当てられた処置の因果効果が、観察された中間結果(仲介者又は代理結果とみなす。)によって完全に媒介され、又は排他的に行われるか否か。
二 異なるメディエーターを介して作用する様々な因果機構が共変量について特定可能な条件であるか否か。
因果機構の完全なメディエーションと同定の両方が成り立つと、条件付きランダムな処理は、メディエーターと共変体が与えられた結果とは条件的に独立であることを示す。
さらに、我々はフレームワークを非ランダムに割り当てられた処理で設定に拡張する。
この場合、完全な調停は検証可能であるが、因果関係の同定はもはや保証されていない。
本稿では,高次元共変数を組み込むことができ,特定の正規性条件下でのルートn一貫性と漸近正規性を有するテストを実現するための二重機械学習フレームワークを提案する。
また,母性精神保健と社会規範に関するランダム化実験を再考する2つの経験的応用とともに,本手法の良好な有限サンプル性能を示すシミュレーション研究を行った。
関連論文リスト
- Causal Inference for Preprocessed Outcomes with an Application to Functional Connectivity [1.7078619393681336]
そこで本研究では,対象物内処理後に得られた因果推論を導出する半パラメトリックフレームワークを提案する。
我々は、このフレームワークを仲介設定に特化し、自然の直接効果に焦点をあてる。
自閉症スペクトラム障害児の脳への刺激薬の影響を推定するために本手法を適用した。
論文 参考訳（メタデータ） (2026-02-02T15:48:34Z) - What Makes Treatment Effects Identifiable? Characterizations and Estimators Beyond Unconfoundedness [14.699342649039052]
平均治療効果の同定を可能にする一般的な条件について検討する。
ATEの同定に十分かつ必要な解釈可能な条件を提供する。
ATEは、事前の作業がキャプチャできないようなレギュレーションで識別可能であることを証明します。
論文 参考訳（メタデータ） (2025-06-04T17:40:55Z) - Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。
医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。
このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
論文 参考訳（メタデータ） (2024-11-05T18:14:49Z) - A Neural Framework for Generalized Causal Sensitivity Analysis [78.71545648682705]
本稿では,因果感受性分析のためのニューラルネットワークフレームワークであるNeuralCSAを提案する。
我々は、NeuralCSAが関心の因果クエリに有効な境界を推測できることを理論的に保証する。
論文 参考訳（メタデータ） (2023-11-27T17:40:02Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Identification and multiply robust estimation in causal mediation analysis across principal strata [7.801213477601286]
治療後イベントの存在下での因果仲裁の評価について検討する。
本研究では,各媒介推定値に対する効率的な影響関数を導出する。
論文 参考訳（メタデータ） (2023-04-20T00:39:20Z) - 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) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳（メタデータ） (2022-03-25T10:31:02Z) - On Testability of the Front-Door Model via Verma Constraints [7.52579126252489]
フロントドア基準は、測定されていない共同設立者にもかかわらず因果関係を識別し、計算するために用いられる。
主要な仮定 -- 結果に対する治療の効果を完全に媒介する変数の存在と、類似したコンバウンディングの問題に同時に苦しめられていない変数の存在は、しばしば許し難いものとみなされる。
補助変数を含む穏やかな条件下では, 一般等式制約により, フロントドアモデルに符号化された仮定を検証できることを示す。
論文 参考訳（メタデータ） (2022-03-01T00:38:29Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Double machine learning for sample selection models [0.12891210250935145]
本稿では,サンプル選択や帰属によるサブポピュレーションに対してのみ結果が観察される場合の個別分散処理の評価について考察する。
a)Neyman-orthogonal, Duubly robust, and efficient score function, which suggests the robustness of treatment effect Estimation to moderate regularization biases in the machine learning based Estimation of the outcome, treatment, or sample selection model and (b) sample splitting ( or cross-fitting) to prevent overfitting bias。
論文 参考訳（メタデータ） (2020-11-30T19:40:21Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z) - Conformal Inference of Counterfactuals and Individual Treatment Effects [6.810856082577402]
そこで本研究では,反ファクトや個々の治療効果について,信頼できる間隔を推定できる共形推論に基づく手法を提案する。
既存の手法は、単純なモデルであってもかなりのカバレッジの欠陥に悩まされる。
論文 参考訳（メタデータ） (2020-06-11T01:03:32Z)
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。