論文の概要: Symmetry-Informed Causal Partial Identification

• arxiv url: http://arxiv.org/abs/2610.09230v1
• Date: Tue, 06 Oct 2026 23:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.649419
• Title: Symmetry-Informed Causal Partial Identification
• Title（参考訳）: シンメトリーインフォームド因果部分同定
• Abstract要約: 部分的識別(PI)は因果効果の限界を推定する。 我々は、PIに通知する制約の新たな源として、既知のデータ対称性を導入する。
• 参考スコア（独自算出の注目度）: 18.874261374491724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Partial identification (PI) entails estimating bounds on causal effects by encoding different assumptions on data generation as a constrained optimization problem. Such bounds can suffice to inform policy decisions even if the causal effect itself is not identifiable. Often vacuous in practice, practitioners seek to exhaustively encode domain knowledge as additional constraints to make the PI bounds more informative. We introduce known data symmetries -- invariance of the causal effect under certain data transformations -- as a new source of constraints to inform PI. We operationalize this as a shape constraint on the causal function, and via a change of measure against which PI is posed using simple data pre-processing. Both approaches are shown to sharpen bounds under two canonical PI models. This is shown both theoretically for the population case, and via experiments in the finite-sample case. More broadly, our framework establishes data symmetries as a natural, underutilized source of background knowledge for robust causal inference.
• Abstract（参考訳）: 部分的識別(PI)は、制約付き最適化問題として、データ生成に関する異なる仮定を符号化することで因果効果の限界を推定する。 このような境界は、因果効果自体が特定できない場合でも、政策決定を通知するのに十分である。 実践者はしばしば、PI境界をより情報的にするための追加の制約としてドメイン知識を徹底的にエンコードしようとする。 我々は、PIに通知する制約の新たな源として、既知のデータ対称性(特定のデータ変換の下での因果効果の不変性)を導入します。 我々は、これを因果関数の形状制約として運用し、単純なデータ前処理を用いてPIを配置する尺度を変更して運用する。 どちらのアプローチも、2つの標準PIモデルの下で境界を鋭くする。 これは、人口の場合と有限サンプルの場合の実験の両方で理論的に示される。 より広範に、我々のフレームワークは、堅牢な因果推論のための背景知識の自然で未利用の情報源としてデータ対称性を確立している。

関連論文リスト

• Data-Driven Information-Theoretic Causal Bounds under Unmeasured Confounding [10.590231532335691]
  本研究では,データ駆動型情報理論フレームワークを開発し,条件付き因果関係の同定を行う。 我々の重要な理論的貢献は、観測分布 P(Y | A = a, X = x) と干渉分布 P(Y | do(A = a), X = x) の間の f-分割が、確率スコアのみの関数によって上界であることが示している。 この結果により、外部感度パラメータ、補助変数、完全な構造仕様、結果境界性仮定を必要とせず、観測データから直接条件因果効果を鋭く同定することができる。
  論文  参考訳（メタデータ） (2026-01-23T20:47:48Z)
• 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)
• Do-PFN: In-Context Learning for Causal Effect Estimation [75.62771416172109]
  予備データ適合ネットワーク(PFN)は, 合成データに基づいて事前学習を行い, 結果を予測する。 提案手法により,基礎となる因果グラフの知識を必要とせず,因果効果の正確な推定が可能となる。
  論文  参考訳（メタデータ） (2025-06-06T12:43:57Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Unifying Perplexing Behaviors in Modified BP Attributions through Alignment Perspective [61.5509267439999]
  GBP, RectGrad, LRP, DTD などの手法の統一理論フレームワークを提案する。 活性化ニューロンの重みを結合して入力アライメントを実現することを実証した。 このアライメントにより、可視化品質が向上し、重量ランダム化に対する感度が低下する。
  論文  参考訳（メタデータ） (2025-03-14T07:58:26Z)
• Do Finetti: On Causal Effects for Exchangeable Data [45.96632286841583]
  データをi.i.d.に含まない環境での因果効果の推定について検討する。 我々は、独立因果関係の仮定を満たす交換可能なデータに焦点を当てる。
  論文  参考訳（メタデータ） (2024-05-29T07:31:18Z)
• Automating the Selection of Proxy Variables of Unmeasured Confounders [16.773841751009748]
  既存のプロキシ変数推定器を拡張して、治療と結果の間に複数の未測定の共同創設者が存在するシナリオに対応する。 本稿では、プロキシ変数の選択と因果効果の偏りのない推定のための2つのデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2024-05-25T08:53:49Z)
• Federated Causal Discovery from Heterogeneous Data [70.31070224690399]
  任意の因果モデルと異種データに対応する新しいFCD法を提案する。 これらのアプローチには、データのプライバシを保護するために、生データのプロキシとして要約統計を構築することが含まれる。 提案手法の有効性を示すために, 合成および実データを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2024-02-20T18:53:53Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)

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。