論文の概要: Towards a holistic understanding of Selection Bias for Causal Effect Identification
- arxiv url: http://arxiv.org/abs/2605.13430v1
- Date: Wed, 13 May 2026 12:24:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.038974
- Title: Towards a holistic understanding of Selection Bias for Causal Effect Identification
- Title（参考訳）: 因果効果同定のための選択バイアスの総合的理解に向けて
- Authors: Yiwen Qiu, Filip Kovacevic, Shimeng Huang, Peter Spirtes, Francesco Locatello,
- Abstract要約: 選択バイアス下における平均治療効果(ATE)の識別可能性について検討した。
確率クラスに対する弱い仮定を利用して、確率のスコアと選択確率を特徴づける。
- 参考スコア（独自算出の注目度）: 27.51002790973783
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Selection bias is pervasive in observational studies. For example, large scale biobanks data can exhibit ``healthy volunteer bias'' when respondents are healthier and of higher socio-economic status than the population they are meant to represent. Recovering causal effects from such sub-population is an important problem in causal inference, as estimating average treatment effects (ATE) from selected populations can result in a severely biased estimate of the ATE from the whole population. In this paper, we investigate the identifiability of the ATE under selection bias. We provide necessary and sufficient conditions for ATE identifiability, leveraging weak assumptions on probability classes to characterize propensity score and selection probability. Compared to previous works, our results extend existing graphical identifiability criteria and offer a more comprehensive understanding of causal effect identification with strictly weaker conditions in the presence of selection bias.
- Abstract（参考訳）: 選択バイアスは観察研究において広く見られる。
例えば、大規模バイオバンクのデータは、回答者が健康的で、彼らが表現しようとする人口よりも社会経済的地位が高い場合に「健康なボランティアバイアス」を示すことができる。
このようなサブ集団から因果関係を復元することは因果関係の推論において重要な問題であり、選択された集団から平均的治療効果(ATE)を推定すると、人口全体からATEを著しく偏りなく推定することができる。
本稿では,選択バイアス下でのATEの識別可能性について検討する。
我々は、確率クラスに対する弱い仮定を活用して、妥当性スコアと選択確率を特徴付けるために、ATE識別可能性に必要な十分な条件を提供する。
従来の研究と比較すると,既存の視覚的識別可能性基準を拡張し,選択バイアスの存在下での厳密な条件下での因果効果の同定をより包括的に理解する。
関連論文リスト
- Selective Mixup for Debiasing Question Selection in Computerized Adaptive Testing [50.805231979748434]
コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、オンライン教育プラットフォームにおける学習者の習熟度を評価する技術である。
選択バイアスは、質問選択が推定された熟練度に強く影響されるため生じる。
本稿では,Cross-Attribute Examinee RetrievalとSelective Mixup-based Regularizationの2つの主要なモジュールからなるデバイアス化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-19T08:55:01Z) - Testing Identifiability and Transportability with Observational and Experimental Data [3.922842284927803]
そこで本研究では,Z-specific(条件付き)因果効果が同定可能かつ輸送可能であるかどうかを評価する手法を提案する。
本手法は,対象個体群から得られた実験データと対象個体群から得られた観測データを組み合わせて,観測データから因果効果が同定可能であり,搬送可能である可能性を計算する。
論文 参考訳（メタデータ） (2025-05-19T07:31:56Z) - Causality and Independence Enhancement for Biased Node Classification [56.38828085943763]
各種グラフニューラルネットワーク(GNN)に適用可能な新しい因果性・独立性向上(CIE)フレームワークを提案する。
提案手法は,ノード表現レベルでの因果的特徴と突発的特徴を推定し,突発的相関の影響を緩和する。
我々のアプローチCIEは、GNNの性能を大幅に向上するだけでなく、最先端の debiased ノード分類法よりも優れています。
論文 参考訳（メタデータ） (2023-10-14T13:56:24Z) - Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。
選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文 参考訳（メタデータ） (2022-07-26T10:33:10Z) - Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。
そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文 参考訳（メタデータ） (2021-07-22T14:23:08Z) - Causes of Effects: Learning individual responses from population data [23.593582720307207]
個別化の問題とその医学への応用について研究する。
例えば、治療の恩恵を受ける確率は、治療された場合の好ましくない結果と、治療されていない場合の好ましくない結果である。
必要十分度(PNS)の確率に限界を当て、グラフィカルな基準や実用的応用とともに既存の研究を分析・拡大します。
論文 参考訳（メタデータ） (2021-04-28T12:38:11Z) - A Review of Generalizability and Transportability [0.18275108630751835]
ランダム化されたデータからの見積もりは内部的妥当性を持つが、しばしば対象人口を表すものではない。
観測データは対象の個体群をよりよく反映し、したがって外的妥当性が高いが、未測定の埋没により潜在的なバイアスにさらされる可能性がある。
本稿では,一般化可能性と可搬性に対するアプローチの合成を含む外部妥当性バイアスに対処するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-23T19:34:13Z) - Causal Inference With Selectively Deconfounded Data [22.624714904663424]
我々は、平均治療効果(ATE)を推定する際に、大規模な統合された観測データセット(共同設立者なし)と小さな非統合された観測データセット(共同設立者明らかに)を組み込むことの利点を検討する。
理論的には, 待ち行列を所望の精度で推定するために必要なデコンストラクタデータの量を大幅に削減できる可能性が示唆された。
論文 参考訳（メタデータ） (2020-02-25T18:46:19Z)
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。