論文の概要: Instrumental Variable Analysis Without Structural Equations

• arxiv url: http://arxiv.org/abs/2604.24660v1
• Date: Mon, 27 Apr 2026 16:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.158722
• Title: Instrumental Variable Analysis Without Structural Equations
• Title（参考訳）: 構造方程式を持たない機器変数解析
• Authors: Zikai Shen, Dimitri Meunier, Houssam Zenati, Arthur Gretton, Nathan Kallus, Aurélien Bibaut,
• Abstract要約: 逆問題に対する正方形解の偏り推論は、正確な解が存在することを前提にしない方法である。 代わりに、我々のアプローチは、既存のソリューションによらず、定義された量に対して推論を行うことを可能にする。
• 参考スコア（独自算出の注目度）: 48.321087914639854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider debiased inference on least-squares solutions to inverse problems as a way to avoid having to assume exact solutions exist. Such assumptions are substantive and not innocuous and their failure may well imperil inference when we impose them on the statistical model. Our approach instead allows us to conduct inference on a quantity that is defined regardless of solutions existing and coincides with the usual estimands when they do. For the case of instrumental variables, this means we can motivate the analysis with structural models but these do not need to hold exactly for the inferential procedure to remain valid.
• Abstract（参考訳）: 我々は、逆問題に対する最小二乗解の偏り推論を、正確な解が存在することを前提にしない方法として考える。 そのような仮定は実体的であり、無害ではないし、統計モデルにそれらの仮定を課すと、その失敗は十分に不完全な推論になる可能性がある。 その代わり、我々のアプローチでは、既存の解によらず定義された量で推論を行え、その場合の通常の推定値と一致する。 楽器変数の場合、これは構造モデルによる解析を動機付けることができることを意味するが、これらは推論手順が有効であるために正確に保持する必要はない。

関連論文リスト

• Formalising causal inference as prediction on a target population [7.09435109588801]
  本稿では,Neyman と Rubin による潜在的な成果フレームワークのバージョンを開発する。 我々は、因果推論を、すべての仮定が再検討で検証可能な有限集団に対する治療学的予測であると解釈する。
  論文  参考訳（メタデータ） (2024-07-24T16:07:57Z)
• Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects [1.9253333342733674]
  多くの因果推定値は、潜在的な結果間の観測不能な関節分布に依存するため、部分的にしか識別できない。 本研究では,部分的同定された推定値の広いクラスに対して,統一的かつモデルに依存しない推論手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T08:17:30Z)
• A Bias-Variance-Covariance Decomposition of Kernel Scores for Generative Models [13.527864898609398]
  カーネルスコアに対する最初のバイアス-分散-共分散分解を導入する。 不確実性推定のためのカーネルベースの分散とエントロピーを導出する。 カーネルの広範な適用性に基づいて、画像、音声、言語生成のための一般化および不確実性実験を通じて、我々のフレームワークを実証する。
  論文  参考訳（メタデータ） (2023-10-09T16:22:11Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• 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)
• The Implicit Delta Method [61.36121543728134]
  本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。 有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
  論文  参考訳（メタデータ） (2022-11-11T19:34:17Z)
• Exploiting Independent Instruments: Identification and Distribution Generalization [3.701112941066256]
  我々は、より高い瞬間を考慮に入れ、分布一般化の独立性を利用する。 提案した推定器は楽器の分布シフトに不変であることを示す。 これらの結果は、楽器が因果関数を識別するのに十分な豊かでない場合においても成り立つ。
  論文  参考訳（メタデータ） (2022-02-03T21:49:04Z)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)

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。