論文の概要: Path-specific harm decomposition: A partial identification framework

• arxiv url: http://arxiv.org/abs/2609.29938v1
• Date: Thu, 24 Sep 2026 15:03:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.038965
• Title: Path-specific harm decomposition: A partial identification framework
• Title（参考訳）: 経路特異的な調和分解:部分的識別フレームワーク
• Abstract要約: 害に対する広く用いられる概念は、介入が個人の結果を減少させる確率として定義される負の影響を受ける(FNA)の割合である。 本研究では、FNAの経路特異的な類似体を紹介する。 直接的および間接的FNAのための新しい部分識別フレームワークを開発する。
• 参考スコア（独自算出の注目度）: 47.08749868865109
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A central goal when designing treatment policies is often to "do no harm", that is, to avoid interventions that improve average outcomes while worsening outcomes for some individuals. A widely used notion for harm is the fraction of negatively affected (FNA), defined as the probability that an intervention decreases an individual's outcome. However, in many applications, treatments operate through mediators, and a single "total" FNA can obscure whether harm arises primarily through direct pathways or indirect (mediator-induced) pathways. In this work, we introduce a path-specific analogue of the FNA. For this, we disentangle total harm into direct and indirect harm in causal mediation settings. However, these quantities depend on joint distributions of potential outcomes that are not point-identified even in randomised controlled trials. As a remedy, we develop a novel partial identification framework for direct and indirect FNA. In our framework, we (i) derive sharp Makarov bounds for the FNA, and (ii) propose a semiparametrically efficient estimator with valid confidence intervals for these bounds under mild margin conditions. We demonstrate our framework across various numerical experiments. To the best of our knowledge, we are the first to study path-specific decomposition of causal harm and to develop an orthogonal inference framework for its analysis.
• Abstract（参考訳）: 治療方針を設計する際の中心的なゴールは、しばしば「害を伴わない」ことであり、すなわち、平均的な結果を改善しながら結果が悪化する介入を避けることである。 害に対する広く用いられる概念は、介入が個人の結果を減少させる確率として定義される負の影響を受ける(FNA)の割合である。 しかし、多くの応用において、治療はメディエーターを介して行われ、単一の「トータル」FNAは、主に直接的な経路または間接的な(メディエーターによって誘導される)経路を介して害が発生するかどうかを曖昧にすることができる。 本研究では、FNAの経路特異的な類似体を紹介する。 このために、私たちは、因果仲裁設定において、全害を直接的および間接的な害に解き放つ。 しかし、これらの量はランダム化比較試験においてもポイント同定されていない潜在的な結果の合同分布に依存する。 本研究では, 直接的かつ間接的FNAのための新しい部分識別フレームワークを開発する。 私たちのフレームワークでは、 (i)FNAに対するシャープなマカロフ境界、及び 2) 弱境界条件下での有意な信頼区間を有する半パラメトリック効率推定器を提案する。 様々な数値実験の枠組みを実証する。 我々の知る限り、我々は初めて因果害の経路特異的分解を研究し、その分析のための直交推論フレームワークを開発する。

関連論文リスト

• Bayesian Mediation Analysis for Individualized Treatment Rules [0.5999777817331315]
  個別化治療規則(ITR)の値は、平均的な臨床効果を評価するのに有用であるが、どのようにルールの利点が生成されるかは説明できない。 本稿では,事前指定候補ITRと臨床的に有意な基準規則のコントラストを,直接的および間接的成分に分解する因果媒介フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-30T19:59:18Z)
• Calibrated Inference for the Conditional Average Treatment Effect in the Few-Placebo Regime via Gaussian Processes [0.0]
  片方の治療用アームが他方よりもはるかに小さい,少数のプラセボ系について検討した。 それらは、その名目レベルよりも、真の効果をほとんど含まない。 本稿では,各アームの結果面をガウス過程でモデル化するGP-CATEを提案する。
  論文  参考訳（メタデータ） (2026-05-26T11:18:42Z)
• Proximal Path-Specific Inference [6.849668061523819]
  因果媒介分析は、経路特異的な効果を複数の中間変数で推定するために拡張されている。 既存の方法は通常、一般的な未測定の共起を含む厳密な仮定に依存している。 経路固有効果に対する4つの非境界同定戦略を開発し、四重に頑健で局所的に効率的な推定器を提案する。
  論文  参考訳（メタデータ） (2026-05-10T10:24:00Z)
• Causal Inference on Networks under Misspecified Exposure Mappings: A Partial Identification Framework [66.59051888063665]
  ネットワーク上の因果推論のための新しい部分同定フレームワークを提案する。 露光マッピングの誤用下では, 直接的および漏出的効果に対して, 鋭い上下境界を導出する。 実験の結果, 境界は情報的であり, 露光写像の誤特定の下では信頼性の高い結論が得られた。
  論文  参考訳（メタデータ） (2026-02-03T12:27:11Z)
• Proximal Inference on Population Intervention Indirect Effect [8.296034406842345]
  人口介入間接効果(英: Population intervention indirect effect、PIIE)は、人口介入効果の間接成分を表す新しい媒介効果である。 本稿では,未測定の共同創設者が被曝・被曝・被曝・被曝・被曝・被曝関係に影響を及ぼすような環境下でのPIIE識別フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-16T08:14:55Z)
• Disentangled Representation for Causal Mediation Analysis [25.114619307838602]
  因果媒介分析(英: Causal mediation analysis)は、直接的および間接的な効果を明らかにするためにしばしば用いられる方法である。 深層学習はメディエーション分析において有望であるが、現在の手法では、治療、メディエーター、結果に同時に影響を及ぼす潜在的共同創設者のみを前提としている。 そこで本研究では,助成金の表現を3つのタイプに分けて,自然的直接効果,自然間接効果,および全効果を正確に推定する,ディスタングル・メディエーション分析変分自動エンコーダ(DMAVAE)を提案する。
  論文  参考訳（メタデータ） (2023-02-19T23:37:17Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [109.17155002599978]
  ネットワークに接続された単位による古典的非干渉仮定の違反について考察する。 トラクタビリティでは、干渉がどのように広がるかを記述する既知のネットワークを考える。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• 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)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)

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。