論文の概要: Proximal Mediation Analysis with Hidden Recanting Witnesses

• arxiv url: http://arxiv.org/abs/2606.17600v1
• Date: Tue, 16 Jun 2026 07:07:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.321037
• Title: Proximal Mediation Analysis with Hidden Recanting Witnesses
• Title（参考訳）: 隠れたリカンティング・ウイットネスを用いた近近調解析
• Authors: Sihan Wu, Yang Bai, Yifan Cui,
• Abstract要約: 多くの実践的な設定は、治療によって引き起こされた仲介者-アウトカムの共同設立者として定義される証人が欠席しているか、または完全に知られた先駆者である、という仮定に依存している。 本研究は,未確認の目撃者の存在下での経路特異的な影響を特定することの課題に対処する,3つの新しい識別戦略を開発する。
• 参考スコア（独自算出の注目度）: 6.9475003037956435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mediation analysis is essential for decomposing the causal effect of a treatment into direct and indirect pathways. However, many practical settings rely on the stringent assumption that recanting witnesses, defined as treatment-induced mediator-outcome confounders, are either absent or fully known a priori. Such a requirement is often untenable, especially when these variables remain unobservable due to measurement difficulties or privacy constraints. In this paper, we leverage proximal causal inference to develop three novel identification strategies to address the challenge of identifying path-specific effects in the presence of unknown recanting witnesses. Building on this, we develop a semiparametric inference framework that derives the efficient influence function and proposes a proximal multiply robust estimator, which remains consistent if at least one set of nuisance models is correctly specified. When all nuisance models are correctly specified and converge at appropriate rates, the estimator is asymptotically normal and achieves the semiparametric efficiency bound. We provide a minimax optimization-based debiased machine learning procedure for point estimation and constructing valid confidence intervals. The performance of the proposed methods is demonstrated by simulation studies and a real data application.
• Abstract（参考訳）: メディエーション分析は、治療の因果効果を直接的および間接的経路に分解するために不可欠である。 しかし、多くの実践的な設定は、治療によって引き起こされる仲介者アウトカムの共同設立者として定義される証人が欠席しているか、または完全に知られているかという厳密な仮定に依存している。 このような要件は、特に測定困難やプライバシー上の制約のために、これらの変数が観測不可能なままである場合、しばしば持続不可能である。 本稿では, 近位因果推定を利用して3つの新しい識別戦略を開発し, 未知の目撃者の存在下での経路特異的な影響を同定することの課題に対処する。 これに基づいて、効率的な影響関数を導出する半パラメトリック推論フレームワークを開発し、少なくとも1組のニュアンスモデルが正しく指定された場合、一貫性が保たれた近位乗算ロバスト推定器を提案する。 すべてのニュアンスモデルが正しく指定され、適切な速度で収束した場合、推定子は漸近的に正規であり、半パラメトリック効率境界を達成する。 点推定と有効信頼区間構築のための最小限の最適化に基づくバイアス付き機械学習手法を提案する。 提案手法の性能はシミュレーション研究と実データアプリケーションにより実証された。

関連論文リスト

• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects [1.2833734915643464]
  本稿では,平均治療効果(ATE)を推定するための半パラメトリックベイズ手法を提案する。 本手法では,ニュアンス推定によるバイアスを補正するベイズ偏差補正法を提案する。 広範囲なシミュレーションにより理論結果が確認され、正確な点推定と信頼区間が明確化される。
  論文  参考訳（メタデータ） (2025-11-19T22:15:04Z)
• Bounding Causal Effects and Counterfactuals [0.0]
  この論文は、複数の因果シナリオにまたがる有界アルゴリズムを体系的に比較することで、課題に対処する。 我々は、共通の評価フレームワーク内で最先端のメソッドを実装し、拡張し、統一する。 我々の実証研究は、離散データ生成プロセスと連続データ生成プロセスの両方を含む何千ものランダム化シミュレーションにまたがる。
  論文  参考訳（メタデータ） (2025-08-19T08:13:34Z)
• Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
  本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。 我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。 因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2023-12-15T22:04:53Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Identification and multiply robust estimation in causal mediation analysis across principal strata [7.801213477601286]
  治療後イベントの存在下での因果仲裁の評価について検討する。 本研究では,各媒介推定値に対する効率的な影響関数を導出する。
  論文  参考訳（メタデータ） (2023-04-20T00:39:20Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Orthogonal Statistical Learning [49.55515683387805]
  人口リスクが未知のニュアンスパラメータに依存するような環境では,統計学習における非漸近的過剰リスク保証を提供する。 人口リスクがNeymanityと呼ばれる条件を満たす場合,メタアルゴリズムによって達成される過剰リスクに対するニュアンス推定誤差の影響は2次であることを示す。
  論文  参考訳（メタデータ） (2019-01-25T02:21:24Z)

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。