論文の概要: Conditional Distributional Treatment Effects: Doubly Robust Estimation and Testing

• arxiv url: http://arxiv.org/abs/2603.16829v1
• Date: Tue, 17 Mar 2026 17:35:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.456491
• Title: Conditional Distributional Treatment Effects: Doubly Robust Estimation and Testing
• Title（参考訳）: 条件分布処理の効果:2倍のロバスト推定と試験
• Authors: Saksham Jain, Alex Luedtke,
• Abstract要約: 本稿では,条件分布処理の効果を捉えるための新しい評価法を提案する。 本研究では,条件付きポテンシャル分布の大域的均一性を検証した。 2つの自然な相違点に対して正確な閉形式式を導出する。
• 参考スコア（独自算出の注目度）: 2.2566128651384454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Beyond conditional average treatment effects, treatments may impact the entire outcome distribution in covariate-dependent ways, for example, by altering the variance or tail risks for specific subpopulations. We propose a novel estimand to capture such conditional distributional treatment effects, and develop a doubly robust estimator that is minimax optimal in the local asymptotic sense. Using this, we develop a test for the global homogeneity of conditional potential outcome distributions that accommodates discrepancies beyond the maximum mean discrepancy (MMD), has provably valid type 1 error, and is consistent against fixed alternatives -- the first test, to our knowledge, with such guarantees in this setting. Furthermore, we derive exact closed-form expressions for two natural discrepancies (including the MMD), and provide a computationally efficient, permutation-free algorithm for our test.
• Abstract（参考訳）: 条件付き平均治療効果以外にも、治療は共変量に依存した方法で結果の分布全体に影響を及ぼす可能性がある。 本研究では,このような条件分布処理効果を捉えるための新しい推定法を提案し,局所的な漸近的感覚において最小限に最適な2つの頑健な推定器を開発した。 これを用いて,最大平均不一致(MMD)を超える不一致を許容する条件付きポテンシャル分布の大域的均質性を検証し,有意な有意な型1誤差を有するとともに,我々の知識に対する固定的な代替品(最初のテスト)に対して整合性を有することを示す。 さらに,2つの自然差分(MDDを含む)に対する厳密なクローズドフォーム式を導出し,計算効率が良く,置換のないアルゴリズムを提案する。

関連論文リスト

• Beyond the Average: Distributional Causal Inference under Imperfect Compliance [8.76134221825298]
  不完全なコンプライアンスを伴うランダム化実験における分布的処理効果の推定について検討した。 我々は,Neyman-orthogonal モーメント条件を持つ分布回帰フレームワークに基づく回帰調整型推定器を提案する。 オレゴン健康保険実験への適用事例として,本手法の実践的妥当性を示す。
  論文  参考訳（メタデータ） (2025-09-19T04:53:42Z)
• Rectifying Conformity Scores for Better Conditional Coverage [75.73184036344908]
  本稿では,分割共形予測フレームワーク内で信頼セットを生成する新しい手法を提案する。 本手法は,任意の適合度スコアのトレーニング可能な変換を行い,条件付き範囲を正確に確保しつつ,条件付き範囲を改善する。
  論文  参考訳（メタデータ） (2025-02-22T19:54:14Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Confidence and Uncertainty Assessment for Distributional Random Forests [1.2767281330110625]
  分布ランダムフォレスト (DRF) は条件分布を推定するために最近導入されたランダムフォレストである。 条件平均処理効果、条件量子化、条件相関など、幅広いターゲットを推定するために使用できる。 DRFのアルゴリズムを特徴付け、ブートストラップ近似を開発する。
  論文  参考訳（メタデータ） (2023-02-11T19:10:01Z)
• Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
  観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。 このような手順の平均二乗誤差に対して非漸近上界を証明した。 非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
  論文  参考訳（メタデータ） (2022-09-26T23:50:55Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)

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。