論文の概要: Graph-Regularized Synthetic Control for Stable Counterfactual Estimation under Donor Redundancy
- arxiv url: http://arxiv.org/abs/2610.24113v1
- Date: Fri, 16 Oct 2026 18:37:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 10:59:51.450892
- Title: Graph-Regularized Synthetic Control for Stable Counterfactual Estimation under Donor Redundancy
- Title（参考訳）: ドナー冗長下での安定対実推定のためのグラフ規則化合成制御
- Abstract要約: グラフ規則化合成制御(Graph-Regularized Synthetic Control)は、古典的な前処理の目的をグラフラプラシアンペナルティで拡張する凸推定器である。
グラフ正則化は、普遍的精度向上剤としてではなく、安定かつ解釈可能な反事実を選択するための原則的なメカニズムとして重要であることを示す。
- 参考スコア（独自算出の注目度）: 3.651305911948215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthetic control methods estimate counterfactual outcomes by weighting untreated donor units to match a treated unit before treatment. In recent applications, however, the donor pool can be large, highly correlated, and short in pre-treatment history, yielding many near-equivalent solutions with unstable and difficult-to-interpret donor weights. We propose Graph-Regularized Synthetic Control (Graph-SC), a convex estimator that augments the classical pre-treatment matching objective with a graph Laplacian penalty. The graph encodes similarity among donor trajectories, encouraging coherent weights over structurally related donors while preserving the transparency of synthetic controls. We provide theoretical results characterizing the bias-variance tradeoff induced by graph regularization and establish efficient convergence guarantees with an accelerated proximal gradient method. Across a controlled simulation under donor redundancy, the California Proposition 99 benchmark, and observational counterfactual analyses on the Waymo Open Motion Dataset, Graph-SC improves weight stability, reduces sensitivity to redundant donor pools, and maintains competitive pre- and post-treatment accuracy relative to classical and regularized synthetic control baselines. Our results suggest that graph regularization is most valuable not as a universal accuracy booster, but as a principled mechanism for selecting stable and interpretable counterfactuals from near-equivalent synthetic controls with comparable pre-treatment fit.
- Abstract（参考訳）: 合成制御法は、未処理ドナーユニットを重み付けして、処理前の処理ユニットと一致させることにより、偽物の結果を推定する。
しかし、最近の応用では、ドナープールは大きい、高い相関関係があり、前処理履歴が短いため、不安定で解釈が難しいドナーの重みを持つほぼ等価な多くの解が得られる。
グラフラプラシアンペナルティを用いた古典的前処理の目的を増大させる凸推定器であるグラフ正規化合成制御(Graph-SC)を提案する。
このグラフはドナー軌道間の類似性を符号化し、合成制御の透明性を維持しながら構造的に関連するドナーよりもコヒーレントな重みを奨励する。
グラフ正規化によって引き起こされるバイアス分散トレードオフを特徴づける理論的な結果を提供し、加速された近位勾配法を用いて効率的な収束保証を確立する。
ドナー冗長性下での制御されたシミュレーション、カリフォルニア・プロポジション99ベンチマーク、Waymo Open Motion Datasetの観測上の反ファクト分析、Graph-SCは重量安定性を改善し、冗長なドナープールに対する感度を低減し、古典的および正規化された合成制御ベースラインに対する競合前処理と後処理の精度を維持する。
以上の結果から,グラフ正則化は普遍的精度向上剤としてではなく,ほぼ等価な合成制御系から安定かつ解釈可能な反事実を選択するための原理的メカニズムとして有用であることが示唆された。
関連論文リスト
- From Trainability Diagnostics to Optimization Claims: Boundaries and Controls in Variational Quantum Optimization [4.07636450847048]
勾配構造診断は、最適化の利点のスタンドアロンの証拠として機能することなく、トレーニング容易性とジオメトリの更新を特徴付けることができる。
ブラインドプロジェクションは、最終エネルギーと1次予測可能性を悪化させながら、組織診断を改善することができる。
LSO-PCGradの改良は、ハミルトニアン長期射影自体よりも、プローブベースの探索とステップノルム適応とより一致している。
論文 参考訳（メタデータ） (2026-09-18T02:36:42Z) - Graph Diffusion Residuals for Control-Function Instrumental Variables [82.39671985893028]
高容量の第1段階は治療を補間し、結果方程式の残余情報はほとんど残らない。
フレキシブル制御機能のための決定論的グラフ拡散残差抽出器であるAdaptive Anisotropic Instrumental Heat Flow (A-IHF) について検討した。
A-IHFは、処理を第一段階の特徴のグラフ上の信号として扱い、パイロット拡散を用いて大きな処理ジャンプを検出し、それらのジャンプのコンダクタンスを減衰させ、スパースグラフ分解剤で生成された制御を計算する。
論文 参考訳（メタデータ） (2026-06-12T17:02:53Z) - A Generalized Synthetic Control Method for Baseline Estimation in Demand Response Services [1.2891210250935148]
本稿では,古典的合成制御法(SCM)に基づく一般化合成制御法を提案する。
我々は,ベースライン推定を動的対実予測問題に変換する一般化されたSCMフレームワークを開発した。
Ausgridスマートメーターデータセットの実験では、古典的なSCMや強力なベンチマーク手法よりも一貫した改善が見られた。
論文 参考訳（メタデータ） (2026-04-20T16:21:33Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - CausalWrap: Model-Agnostic Causal Constraint Wrappers for Tabular Synthetic Data [4.08271266107383]
CausalWrapは、事前訓練されたベースジェネレータに部分的な因果知識を注入するモデルに依存しないラッパーである。
CWは、ベースジェネレータからのサンプルに適用された軽量で微分可能なポストホック補正マップを学習する。
CWは多様なベースジェネレータ間の因果性を改善する。
論文 参考訳（メタデータ） (2026-03-02T15:59:46Z) - Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。
我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。
重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
論文 参考訳（メタデータ） (2026-02-24T05:32:03Z) - Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment [27.352639822596146]
クロスワーカーの損失と勾配のばらつきは、従来の監視信号では見えない。
本稿では,標準パイプラインで容易に利用できるトレーニング信号を用いて,作業者レベルの一貫性を定量化する,モデルに依存しない診断フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-16T04:42:30Z) - Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。
本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。
9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
論文 参考訳（メタデータ） (2026-02-09T22:48:30Z) - Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation [85.58520120011269]
本研究では,具体的スコアを用いてスコアマッチングを離散グラフに拡張するComposable Score-based Graph Diffusion Model (CSGD)を提案する。
CSGDは従来の手法よりも平均15.3%の制御性向上を実現していることを示す。
本研究は, 離散グラフ生成におけるスコアベースモデリングの実用的利点と, フレキシブルでマルチプロパタイトな分子設計のためのキャパシティを強調した。
論文 参考訳（メタデータ） (2025-09-11T13:37:56Z) - C-Learner: Constrained Learning for Causal Inference [4.370964009390564]
本稿では,両世界の最適な重み付けを実現し,安定したプラグイン推定を実現する新しいデバイアス化手法を提案する。
我々の制約学習フレームワークは、プラグイン量に対する一階誤差がゼロであるという制約の下で、最高のプラグイン推定器を解く。
論文 参考訳（メタデータ） (2024-05-15T16:38:28Z)
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。