論文の概要: Bridging Local and Population Causal Effects: A Proximal Instrumental Variable Approach

• arxiv url: http://arxiv.org/abs/2609.22383v1
• Date: Fri, 18 Sep 2026 02:50:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.364043
• Title: Bridging Local and Population Causal Effects: A Proximal Instrumental Variable Approach
• Title（参考訳）: 局所的・集団的因果効果のブリッジング : 近位器用変数のアプローチ
• Abstract要約: 治療効果とコンプライアンスの確率が不均一であり、潜伏因子によって依存している場合、ATEはIV変量だけで識別する必要はない。 本研究では,これらの因子をプロキシを用いてLATEのコンプライアンスを調整し,ATEを回復する機器変数フレームワークを開発する。 我々は、未知の楽器の確率下での効率的な影響関数を導出する。
• 参考スコア（独自算出の注目度）: 8.332837381727492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Instrumental variable (IV) methods address treatment endogeneity, but with non-compliance and heterogeneous treatment effects a binary instrument generally identifies the local average treatment effect (LATE) among compliers rather than the population average treatment effect (ATE). When treatment effects and compliance probabilities are heterogeneous and dependent through latent factors, the ATE need not be identified by IV variation alone. We develop a proximal instrumental variable framework that uses proxies for these factors to adjust for the compliance weighting in LATE and recover the ATE. We show that the ATE is identified through either an outcome bridge capturing latent treatment effect heterogeneity or a compliance bridge representing inverse compliance probabilities, and combining the two yields a doubly robust representation. We derive the efficient influence function under known and unknown instrument propensities. For estimation, we propose regularized kernel minimax bridge estimators, with orthogonalized conditional moments for estimated propensity, and a three-way sequential cross-fitting scheme. We establish projected bridge-risk bounds, and give conditions for asymptotic normality and semiparametric efficiency. The framework provides a proxy-based route from local IV effects to population causal effects under latent treatment effect and compliance heterogeneity.
• Abstract（参考訳）: 機器変数(IV)法は治療の内在性に対処するが、非適合性と不均一な処理効果を持つ場合、二分楽器は一般に人口平均処理効果(ATE)ではなく、順応者の間で局所平均処理効果(LATE)を識別する。 治療効果とコンプライアンスの確率が不均一であり、潜伏因子によって依存している場合、ATEはIV変量だけで識別する必要はない。 本研究では,これらの因子をプロキシを用いてLATEのコンプライアンス重み付けを調整し,ATEを回復する近位機器変数フレームワークを開発する。 提案手法は, 遅延処理効果のヘテロジニティ(不均一性)を捉える結果ブリッジと, 逆コンプライアンス確率を表すコンプライアンスブリッジによって識別され, 2つの組み合わせが二重に頑健な表現となることを示す。 我々は、未知の楽器の確率下での効率的な影響関数を導出する。 推定のために,正規化カーネルのミニマックスブリッジ推定器を提案し,正規化条件のモーメントを推定し,三方向の逐次クロスフィッティング方式を提案する。 我々は、予測されたブリッジリスク境界を確立し、漸近正規性と半パラメトリック効率の条件を与える。 このフレームワークは、局所IV効果から潜在治療効果およびコンプライアンスの不均一性における集団因果効果へのプロキシベースの経路を提供する。

関連論文リスト

• Disentangled Double Machine Learning for Accurate Causal Effect Estimation [80.07136847623498]
  共起バイアスは観測データから因果効果を推定する上で重要な課題である。 二重機械学習(Double Machine Learning, DML)は、処理と結果ニュアンス関数を推定することによってこの問題に対処する。 DMLは高次元または有限サンプルのシナリオにおいてバイアス付きおよび不安定な推定をしばしば生成する。 本稿では,2つの重要な戦略を統合する新しいアルゴリズムであるDistangled Double Machine Learning (DDML)を提案する。
  論文  参考訳（メタデータ） (2026-05-24T01:40:43Z)
• Doubly Robust Proxy Causal Learning with Neural Mean Embeddings [58.8808794752741]
  我々は、連続的かつ構造化された治療を用いて因果学習をプロキシするための、神経的に二重に頑健なフレームワークを開発する。 このフレームワークは、人口、不均一、条件付き線量応答関数をカバーし、完全な応答曲線推定器を生成する。 合成および画像評価ベンチマーク全体で、提案した推定器は既存のベースラインと単一ブリッジニューラル推定器より優れている。
  論文  参考訳（メタデータ） (2026-05-10T12:50:25Z)
• Estimating heterogeneous treatment effects with survival outcomes via a deep survival learner [5.540352966241158]
  生存条件における不均一な治療効果の推定は、適切な検閲と推定の時間変化によって複雑になる。 本研究では,不均一な治療効果を正しく評価する深層生存学習者を提案する。
  論文  参考訳（メタデータ） (2026-04-12T01:11:44Z)
• A Bayesian Classification Trees Approach to Treatment Effect Variation with Noncompliance [0.5356944479760104]
  非準拠のランダム化試験における様々な治療効果を推定することは本質的に困難である。 既存の柔軟な機械学習手法は、弱い楽器の問題に非常に敏感である。 非準拠シナリオにおける二値応答変数に対するベイジアン因果フォレストモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-14T18:33:55Z)
• Proximal Causal Learning of Conditional Average Treatment Effects [0.0]
  異種治療効果を学習するための2段階損失関数を提案する。 提案手法は,市販の損失最小化機械学習手法により実装できる。
  論文  参考訳（メタデータ） (2023-01-26T02:56:36Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
  問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。 本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。 シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• 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)
• Treatment Effect Risk: Bounds and Inference [58.442274475425144]
  平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。 本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。 いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
  論文  参考訳（メタデータ） (2022-01-15T17:21:26Z)
• On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [43.17788100119767]
  一次利害関係にない結果のみを代理する単位にデータを組み込むことは、ATE推定の精度を高めることができる。 我々は,これらの効率向上を実現するために,ロバストなATE推定と推論手法を開発した。
  論文  参考訳（メタデータ） (2020-03-27T13:31:49Z)

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。