論文の概要: Sequential Transport for Causal Mediation Analysis

• arxiv url: http://arxiv.org/abs/2603.15182v1
• Date: Mon, 16 Mar 2026 12:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.206573
• Title: Sequential Transport for Causal Mediation Analysis
• Title（参考訳）: 因果メディエーション分析のためのシークエンシャルトランスポート
• Authors: Agathe Fernandes-Machado, Iryna Voitsitska, Arthur Charpentier, Ewen Gallic,
• Abstract要約: シーケンシャルトランスポート(ST)は、最適なトランスポート(OT)とメディエータ指向非環状グラフ(DAG)を組み合わせた媒介分析のための分散フレームワークである 数値メディエータでは、STは条件付きCDF/量子推定器に基づいて単調(条件付き)OTマップを使用する。 標準正則性と支持条件下では, 推定輸送マップの整合性と, 誘導された単位レベルの分解から, 直接的および間接的効果への整合性を確立する。
• 参考スコア（独自算出の注目度）: 4.175654562922818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose sequential transport (ST), a distributional framework for mediation analysis that combines optimal transport (OT) with a mediator directed acyclic graph (DAG). Instead of relying on cross-world counterfactual assumptions, ST constructs unit-level mediator counterfactuals by minimally transporting each mediator, either marginally or conditionally, toward its distribution under an alternative treatment while preserving the causal dependencies encoded by the DAG. For numerical mediators, ST uses monotone (conditional) OT maps based on conditional CDF/quantile estimators; for categorical mediators, it extends naturally via simplex-based transport. We establish consistency of the estimated transport maps and of the induced unit-level decompositions into mutatis mutandis direct and indirect effects under standard regularity and support conditions. When the treatment is randomized or ignorable (possibly conditional on covariates), these decompositions admit a causal interpretation; otherwise, they provide a principled distributional attribution of differences between groups aligned with the mediator structure. Gaussian examples show that ST recovers classical mediation formulas, while additional simulations confirm good performance in nonlinear and mixed-type settings. An application to the COMPAS dataset illustrates how ST yields deterministic, DAG-consistent counterfactual mediators and a fine-grained mediator-level attribution of disparities.
• Abstract（参考訳）: 本稿では、最適輸送(OT)とメディエータ指向非巡回グラフ(DAG)を組み合わせた媒介分析のための分散フレームワークであるシーケンシャルトランスポート(ST)を提案する。 クロスワールドのカウンターファクトの仮定に頼る代わりに、STはDAGによって符号化された因果依存性を保ちながら、それぞれのメディエーターを、極端に、または条件的に、その分布に向けて、最小限に輸送することで、単位レベルのメディエーターのカウンターファクトを構成している。 数値メディエータでは、STは条件付きCDF/量子推定器に基づいて単調(条件付き)OTマップを使用する。 標準正則性と支持条件下では, 推定輸送マップの整合性と, 誘導された単位レベルの分解から, 直接的および間接的効果への整合性を確立する。 この処理が無作為化または無作為化(おそらく共変量に対して条件付きである)された場合、これらの分解は因果解釈を許容する。 ガウスの例では、STは古典的な調律式を復元する一方で、非線形および混合型設定では、さらなるシミュレーションにより良好な性能が確認されている。 COMPASデータセットへの応用は、STが決定論的かつDAG一貫性のある反ファクト的メディエータと、微粒なメディエータレベルの格差の属性をいかに生み出すかを示す。

関連論文リスト

• SENTINEL: Stagewise Integrity Verification for Pipeline Parallel Decentralized Training [54.8494905524997]
  分散トレーニングは、信頼できない、地理的に分散したノードで実行される場合、重大なセキュリティリスクをもたらす。 重複のないパイプライン並列性(PP)トレーニングの検証機構であるSENTINELを提案する。 実験では、モデル収束と性能を維持しながら、最大176人の労働者を持つ信頼できない分散環境における最大4BパラメータLSMのトレーニングを成功させた。
  論文  参考訳（メタデータ） (2026-03-03T23:51:10Z)
• Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
  ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。 本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:06:53Z)
• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Optimal Transport-Guided Conditional Score-Based Diffusion Models [63.14903268958398]
  条件付きスコアベース拡散モデル(SBDM)は、条件付きデータを条件としてターゲットデータの条件付き生成を行い、画像翻訳において大きな成功を収めた。 本稿では, 最適輸送誘導条件付きスコアベース拡散モデル(OTCS)を提案する。
  論文  参考訳（メタデータ） (2023-11-02T13:28:44Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Consistent Optimal Transport with Empirical Conditional Measures [0.6562256987706128]
  共振器における2つの関節分布間の最適輸送(OT)の問題点を考察する。 我々は、共同サンプル上で計算されたカーネル化された最小二乗項を使用し、輸送計画の条件的目的に暗黙的に一致する。 本手法は, 治療に対する細胞応答予測の文脈において, 短時間の分類のための即時学習や条件生成などの応用に適用する場合, 最先端の手法を改良する。
  論文  参考訳（メタデータ） (2023-05-25T10:01:57Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• Conditional Bures Metric for Domain Adaptation [14.528711361447712]
  教師なしドメイン適応(UDA)は近年広く注目を集めている。 従来のUDA法では、ラベル分布の識別情報を無視しながら、異なるドメインの限界分布がシフトしていると仮定していた。 本研究では,現在の条件不変モデルに大きな関心を持つ条件分布シフト問題に焦点をあてる。
  論文  参考訳（メタデータ） (2021-07-31T18:06:31Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)

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。