論文の概要: Kernel-Based Functional Balancing for Causal Inference with Compositional Treatments

• arxiv url: http://arxiv.org/abs/2606.17308v2
• Date: Wed, 17 Jun 2026 20:59:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 13:55:51.702204
• Title: Kernel-Based Functional Balancing for Causal Inference with Compositional Treatments
• Title（参考訳）: コンポジション処理による因果推論のためのカーネル機能バランス
• Authors: Sungbum Kim, Jiayi Wang,
• Abstract要約: 合成処理による因果効果の推定について検討し, 露光は単純度上にあり, 推定値は2進値ではなく2進値上で定義される。
• 参考スコア（独自算出の注目度）: 3.827469920771502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study causal effect estimation with compositional treatments, where the exposure lies on a simplex and the estimand is defined over compositions rather than scalar or binary values. By considering a projection of the average potential outcome onto the treatment space, a kernel-based covariate functional balancing approach is adopted for weight construction. The weights are obtained by directly minimizing a worst-case balancing error over a reproducing kernel Hilbert space (RKHS) defined on the joint space of treatments and covariates, instead of being estimated under a treatment assignment model. Building on these weights, an augmented weighted estimator (AWE) is proposed, where the outcome function is estimated via kernel ridge regression and combined with a marginal augmentation over the covariate distribution. Despite the complex structure of the resulting objective, a finite-dimensional convex optimization problem is formulated via a representer theorem and a low-rank approximation. The proposed estimator achieves $\sqrt{n}$-consistency without requiring consistent estimation or smoothness of the weights. An asymptotic normality result is established around a sample-specific target. Empirical performance is demonstrated through simulation studies and a real data application.
• Abstract（参考訳）: 本研究では, 合成処理による因果効果の推定について検討し, 露光は単純度上にあり, 推定値はスカラー値や二分値ではなく, 組成上で定義される。 処理空間への平均ポテンシャル効果の予測を考慮し、重み付けにカーネルベースの共変量関数バランスアプローチを採用する。 この重みは、処理代入モデルで推定されるのではなく、処理と共変量のジョイント空間上に定義された再生カーネルヒルベルト空間(RKHS)上の最悪の平衡誤差を直接最小化する。 これらの重みを加味した強化重み付き推定器 (AWE) を提案し, 結果関数をカーネルリッジ回帰により推定し, 共変量分布に対する限界拡大と組み合わせた。 結果の目的の複雑な構造にもかかわらず、有限次元凸最適化問題は代表者定理と低ランク近似によって定式化される。 提案した推定器は、重みの一貫した推定や滑らかさを必要とせず、$\sqrt{n}$-consistencyを達成する。 サンプル特異的ターゲットの周囲に漸近正規化結果を確立する。 シミュレーション研究と実データアプリケーションを通じて実証性能を実証する。

関連論文リスト

• Beyond Consistency: Inference for the Relative risk functional in Deep Nonparametric Cox Models [7.2275111013288535]
  Coxをベースとした最適化誤差が、部分的可能性の下で集団リスクにどのように伝播するかは明らかでない。 また、ポイントワイドバイアスがどのように制御できるのか、またアンサンブルに基づく不確実性が現実的な分散体制の下でどのように振る舞うのかも不明である。 これらの問題に対処するディープコックス推定器の分布理論を開発する。
  論文  参考訳（メタデータ） (2026-03-25T01:43:12Z)
• Minimum Wasserstein distance estimator under covariate shift: closed-form, super-efficiency and irregularity [9.668478511115683]
  本稿では,結果の回帰や重み付けの明示的なモデリングを避けるために,最小ワッサースタイン距離推定フレームワークを提案する。 得られたW-推定器はクローズドフォーム表現を認め、古典的な1-アネレスト近傍推定器と数値的に等価である。 数値シミュレーションは降雨データセットの解析とともに、我々のW推定器の異常な性能を裏付けるものである。
  論文  参考訳（メタデータ） (2026-01-12T07:36:44Z)
• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization [57.179679246370114]
  既存の手法の潜在的な制限は、ステップサイズが提案されない限り、ほとんどの摂動推定器に固有のバイアスである。 本稿では, 良好な構成を維持しつつ, バイアスを排除した非バイアス勾配スケーリング推定器のファミリーを提案する。
  論文  参考訳（メタデータ） (2025-10-22T18:25:43Z)
• Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions [0.720409153108429]
  低サンプルサイズ方程式における平均処理効果を2倍頑健に推定する手法を提案する。 提案した信頼区間は, 競合する推定値と比較して効率がよいことを示す。
  論文  参考訳（メタデータ） (2025-07-23T11:58:54Z)
• Scalable method for Bayesian experimental design without integrating over posterior distribution [0.0]
  実験問題のA-最適ベイズ設計における計算効率について検討する。 A-最適性はベイズの実験設計に広く用いられ、容易に解釈できる基準である。 本研究は, A-Optimal 実験設計における新しい可能性のないアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:40:43Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• 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)
• Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
  ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。 そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
  論文  参考訳（メタデータ） (2021-08-25T21:30:27Z)
• Sparse Representations of Positive Functions via First and Second-Order Pseudo-Mirror Descent [15.340540198612823]
  推定器の範囲が非負である必要がある場合、予測されるリスク問題を考察する。 Emphpseudo-gradientsを用いた近似ミラーの1階および2階の変種を開発した。 実験は、実際に不均一なプロセス強度推定に好適な性能を示す。
  論文  参考訳（メタデータ） (2020-11-13T21:54:28Z)

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。