論文の概要: Two Layers of Instability in Causal Estimation

• arxiv url: http://arxiv.org/abs/2606.21185v1
• Date: Fri, 19 Jun 2026 07:51:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:20:46.942868
• Title: Two Layers of Instability in Causal Estimation
• Title（参考訳）: 因果推定における不安定性の2つの層
• Authors: Alexis Bellot,
• Abstract要約: 推定器はデータ分布において不連続にジャンプ可能であることを示す。 これは、決定論的読解を認める推定者の分類を定義する。
• 参考スコア（独自算出の注目度）: 17.478674884251173
• License:
• Abstract: There is a precise sense in which drawing causal inferences from observational data is hard, even when identifiability is assumed. In particular, Robins and Ritov (1997) and Robins et al. (2003) showed that causal effects can be discontinuous as a function of the data distribution: two arbitrarily close data distributions might correspond to different causal effects. This is a fact independent of the choice of estimator; however, not all estimators are equally unstable. Our contribution is to surface a second layer of instability that depends on the choice of estimator. We show that many standard point estimates can be read as point summaries of multimodal distributions over the space of structural causal models. As such, estimators can jump discontinuously in the data distribution. This defines a taxonomy of estimators that admits a decision-theoretic reading: stability depends on whether the implicit loss function an estimator optimizes is aligned with the causal effect itself. Specifically, inverse propensity weighted estimators and regression estimators are examples of discontinuous summaries, while explicit posterior means and medians are shown to be continuous.
• Abstract（参考訳）: 識別可能性を想定した場合でも、観測データからの因果推論の描画が難しいという正確な感覚がある。 特にRobins and Ritov (1997) とRobins et al (2003) は、因果効果がデータ分布の関数として不連続であることを示した。 これは推定器の選択とは独立な事実であるが、全ての推定器が等しく不安定であるわけではない。 我々の貢献は、推定器の選択に依存する2番目の不安定層を探索することである。 多くの標準点推定は、構造因果モデルの空間上のマルチモーダル分布の点和として読むことができる。 そのため、推定者はデータ分布において不連続にジャンプすることができる。 安定性は、推定器が最適化する暗黙の損失関数が因果効果そのものと一致しているかどうかに依存する。 特に、逆確率重み付き推定器と回帰推定器は不連続な要約の例であり、明示的な後続平均と中央値が連続であることが示されている。

関連論文リスト

• Disentangled Feature Importance [0.0]
  本稿では,古典的$R2$分解の非パラメトリックな一般化であるemphDisentangled Feature Importance (DFI)を紹介する。 DFIは, 相関歪みを排除したトランスポートマップを用いて, 独立潜伏変数に相関した特徴を持つ。 DFIは、潜在加法モデルに対する総予測変数に匹敵する重要度スコアの原理的な分解を提供する。
  論文  参考訳（メタデータ） (2025-06-30T20:54:48Z)
• A Stable and Efficient Covariate-Balancing Estimator for Causal Survival Effects [33.62020029799266]
  本研究では、条件に依存しない検閲データにおける生存因果効果の推定の問題に対処する。 これは、小さな推定確率の逆数の使用と、その結果の推定誤差の増幅に対処する。 合成および半合成データに関する実験において理論的結果を検証する。
  論文  参考訳（メタデータ） (2023-10-01T00:04:29Z)
• Causal inference for the expected number of recurrent events in the presence of a terminal event [0.2446672595462589]
  終端故障イベントを伴う繰り返しイベントデータにおける因果推論のための多元的ロバストな推定フレームワークを開発する。 条件付き独立検閲よりも弱い条件下で推定値が識別可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-28T21:31:25Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• 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)
• 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)
• Gaussian and Non-Gaussian Universality of Data Augmentation [6.51882364384472]
  単純なサロゲートを用いて,データの増大が推定値の分散や分布の制限にどのように影響するかを定量化する。 データの増大は、経験的予測リスクのような見積もりの不確実性を減らすよりも増加する可能性がある。 主理論ツールとして、ブロック依存に対するリンデバーグの手法の適応を開発する。
  論文  参考訳（メタデータ） (2022-02-18T11:32:41Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• The Vector Poisson Channel: On the Linearity of the Conditional Mean Estimator [82.5577471797883]
  本研究では,ベクトルポアソン雑音における条件平均推定器の特性について検討する。 最初の結果は、ポアソンノイズの暗電流パラメータがゼロでない場合、条件平均推定器は線形ではないことを示す。 第2の結果は、第1の結果を定量的に精錬する。
  論文  参考訳（メタデータ） (2020-03-19T18:21:33Z)
• Finite sample properties of parametric MMD estimation: robustness to misspecification and dependence [7.011897575776511]
  推定器は、データセットの依存と外れ値の存在の両方に頑健であることを示す。 推定器の計算に用いる勾配降下アルゴリズムについて理論的研究を行う。
  論文  参考訳（メタデータ） (2019-12-12T02:28:13Z)

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。