論文の概要: Improved Guarantees for Heterogeneous Treatment-Effect Estimation via Matrix Completion
- arxiv url: http://arxiv.org/abs/2605.30319v1
- Date: Thu, 28 May 2026 17:55:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:56.728974
- Title: Improved Guarantees for Heterogeneous Treatment-Effect Estimation via Matrix Completion
- Title（参考訳）: 不均一処理のための保証の改善-マトリックスコンプリートによる効果評価
- Authors: Anay Mehrotra, Phuc Tran, Van H. Vu, Manolis Zampetakis,
- Abstract要約: この行列において、不均一な処理効果を推定すると、各行の平均値の良好な推定値が得られる。
我々は、正当性を知らず、標準の低ランク性および正則性仮定の下で、単純で計算効率のよい推定器を与える。
技術的には、ローランク近似に対する最初の鋭い行の$ell$-perturbationを定めている。
- 参考スコア（独自算出の注目度）: 8.03845232151202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A central goal of modern causal inference is estimating heterogeneous treatment effects to answer questions like "how does an intervention affect each unit," rather than only on average. We study this problem with panel-data where we observe $n$ units across $m$ times under unknown, non-uniform treatment assignments. The data in this setting is naturally represented as a matrix of all unit--time treatment effects. Estimating heterogeneous treatment effects can then be expressed as obtaining a good estimation of each row's average in this matrix. This allows us to formulate the problem as matrix completion, which can be solved under natural low-rankness assumptions. However, existing matrix-completion guarantees are not powerful enough to get meaningful bounds for the per-row guarantee required for estimating the heterogeneous treatment effect; roughly speaking, they are only useful for estimating average treatment effect bounds, as also illustrated in a recent line of work. We give a simple, computationally efficient estimator that, without knowledge of the propensities and under standard low-rankness and regularity assumptions, achieves a row-wise $\ell_2$ error of $\tilde{O}(\sqrt{\frac{1}{n} + \frac{n}{m^2}})$. Technically, our analysis establishes the first sharp row-wise $\ell_2$-perturbation bound for low-rank approximation, complementing existing spectral-, Frobenius-, and entrywise perturbation theory.
- Abstract（参考訳）: 現代の因果推論の中心的な目標は、平均よりもむしろ「介入が各ユニットにどのように影響するか」といった疑問に答えるために、不均一な治療効果を推定することである。
我々はこの問題をパネルデータを用いて研究し、未知の非一様処理課題の下で、$m$の時間にまたがる$n$単位を観測する。
この設定のデータは、すべての単位時間処理効果の行列として自然に表される。
この行列において、不均一な処理効果を推定すると、各行の平均値の良好な推定値が得られる。
これにより、この問題を行列完備化として定式化することができ、これは自然の低ランク性仮定の下で解決できる。
しかし、既存の行列補完保証は、不均一な処理効果を推定するのに必要となるロー当たりの有意なバウンダリを得るには十分ではない。
我々は、正当性や標準の低ランク性や正則性の仮定を知らずに、$\tilde{O}(\sqrt {\frac{1}{n} + \frac{n}{m^2}})$の行単位で$\ell_2$誤差を達成できる単純で効率的な推定器を与える。
技術的には、我々の分析は、既存のスペクトル-、フロベニウス-、およびエントリーワイド摂動理論を補完する、低ランク近似に対する最初の鋭い行の$\ell_2$-摂動を定めている。
関連論文リスト
- Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。
主な課題は、敵の計測と非同期である。
その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
論文 参考訳（メタデータ） (2026-04-07T11:45:55Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - It's Hard to Be Normal: The Impact of Noise on Structure-agnostic Estimation [34.755498967191535]
本研究では,ブラックボックス機械学習によるニュアンス関数の処理効果を推定する方法について検討する。
この答えは, 治療音の分布に大きく依存していることが判明した。
論文 参考訳（メタデータ） (2025-07-03T03:31:45Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - Sparse PCA with Oracle Property [115.72363972222622]
新規な正規化を伴うスパースPCAの半定緩和に基づく推定器群を提案する。
我々は、家族内の別の推定器が、スパースPCAの標準半定緩和よりも、より急激な収束率を達成することを証明した。
論文 参考訳（メタデータ） (2023-12-28T02:52:54Z) - A General Framework for Treatment Effect Estimation in Semi-Supervised and High Dimensional Settings [0.0]
我々は, より堅牢で, (2) 教師付きよりも効率的であるSS推定器群を開発した。
さらに、モデル内の正当性スコアが正しく指定されたときに、SS推定器のルート-n整合性と正規性を確立する。
我々の推定器は、すべてのニュアンス関数が正しく指定されている限り、半パラメトリックに効率的であることが示される。
論文 参考訳（メタデータ） (2022-01-03T04:12:44Z) - Leveraged Matrix Completion with Noise [84.20092979053119]
未知の$ntimes n$ matrix of rank $r$ from just $mathcalO(nrlog2 (n))$ entry.
我々の証明は、ゴルフスキームに基づく十分な最適条件を記述する新しいアプローチによって支持されている。
論文 参考訳（メタデータ） (2020-11-11T16:25:45Z) - High-Dimensional Feature Selection for Sample Efficient Treatment Effect
Estimation [0.0]
因果的データから因果的治療効果を推定することは因果的推論の根本的な問題である。
治療コホートにまたがる結果を含む共通の目的関数を提案する。
治療効果評価実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2020-11-03T19:54:16Z) - A Scalable, Adaptive and Sound Nonconvex Regularizer for Low-rank Matrix
Completion [60.52730146391456]
そこで我々は,適応的かつ音質の高い"核フロベニウスノルム"と呼ばれる新しい非スケーラブルな低ランク正規化器を提案する。
特異値の計算をバイパスし、アルゴリズムによる高速な最適化を可能にする。
既存の行列学習手法では最速でありながら、最先端の回復性能が得られる。
論文 参考訳（メタデータ） (2020-08-14T18:47:58Z) - Median Matrix Completion: from Embarrassment to Optimality [16.667260586938234]
絶対偏差損失を持つ行列の完全性を考察し,中央値行列の推定値を求める。
中央値のいくつかの魅力的な性質にもかかわらず、非滑らかな絶対偏差損失は計算に挑戦する。
そこで我々は,非効率な推定器を(最適に近い)行列補完手順に変換する改良ステップを提案する。
論文 参考訳（メタデータ） (2020-06-18T10:01:22Z)
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。