論文の概要: Inference for Causal Path-Specific Effects in Longitudinal Studies with Repeated Treatments and Multiple Mediators
- arxiv url: http://arxiv.org/abs/2610.34349v1
- Date: Sun, 25 Oct 2026 15:02:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.581751
- Title: Inference for Causal Path-Specific Effects in Longitudinal Studies with Repeated Treatments and Multiple Mediators
- Title（参考訳）: 反復治療と複数メディエーターによる縦断的研究における因果経路の影響の推測
- Abstract要約: 縦断的研究における経路特異的効果の半パラメトリック推定法を開発した。
提案手法はGihubのRパッケージflexPathsに実装されている。
- 参考スコア（独自算出の注目度）: 2.571083961791761
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In longitudinal studies, repeated treatments may be followed by different sequences of mediators and time-varying covariates. We develop semiparametric inference for path-specific effects in this setting, allowing the number, type, and ordering of intermediate variables to vary across treatment occasions. Under consistency, positivity, edge consistency, and the cross-world restrictions of a nonparametric structural equation model with independent errors, path-specific means are identified by the edge g-formula. We derive two parameterizations of the efficient influence function of the identifying functional. The first follows the observed-data factorization and uses conditional intermediate-variable densities. The second uses sequential regressions to replace the corresponding integrations and Bayes' rule to express density ratios through treatment-history regressions, thereby avoiding direct estimation of intermediate-variable densities. Each yields a one-step estimator that permits flexible nuisance estimation. We establish product-rate conditions for asymptotic linearity and semiparametric efficiency. The density-based estimator has blockwise multiple robustness, generalizing triply robust estimation, while the regression-based estimator has sequential multiple robustness. We further develop a sensitivity analysis for selected violations of cross-world independence assumptions used to identify these effects. Simulations examine finite-sample performance and robustness to model misspecifications. An application to the Framingham Heart Study examines sustained-smoking effects on systolic blood pressure along pathways through repeated body mass index measurements. The proposed methods are implemented in the R package flexPaths on Gihub at xxou/flexPaths.
- Abstract（参考訳）: 縦断的研究では、反復的な治療は、異なる仲介者の配列と時間変化の共変体が続く可能性がある。
この設定において、経路特異的な効果を半パラメトリックに推定し、中間変数の数、型、順序を、治療の機会によって異なるようにする。
独立誤差を持つ非パラメトリック構造方程式モデルの整合性、肯定性、エッジ整合性、およびクロスワールド制約の下では、経路固有手段はエッジg-形式によって同定される。
同定関数の効率的な影響関数の2つのパラメータ化を導出する。
1つは観測データ分解に追従し、条件付き中間変数密度を使用する。
第二に、逐次回帰を用いて対応する積分とベイズの規則を置き換え、治療履歴回帰を通して密度比を表現することにより、中間変数密度の直接推定を避ける。
それぞれがフレキシブルなニュアンス推定を可能にするワンステップ推定器を出力する。
漸近線形性と半パラメトリック効率の積率条件を確立する。
密度ベース推定器はブロック方向に多重ロバスト性を持ち、三重ロバスト推定を一般化する一方、回帰ベース推定器は逐次多重ロバスト性を有する。
さらに、これらの影響を識別するために用いられる世界横断的な独立仮定の違反に対する感度分析を開発した。
シミュレーションでは、有限サンプル性能とモデル不特定性に対する堅牢性を検証している。
フレイミングハム・ハートスタディ(Framingham Heart Study)への応用は、繰り返しの体量指数測定を通じて、シストリック血圧に対する持続的な喫煙効果を調べることである。
提案手法は xxou/flexPaths の Gihub 上の R パッケージ flexPaths に実装されている。
関連論文リスト
- One Intervention per Component is Enough: Towards Identifiability in Linear Stochastic Dynamics from Steady State [8.384552154201424]
定常観測および干渉データから多変量Ornstein-Uhlenbeck過程のパラメータを復元する問題について検討する。
我々はまず,全OUプロセスパラメータをグローバルなスケーリング係数まで総称的に回収するために,強く連結されたコンポーネント毎の1つの介入が十分であることを示す。
論文 参考訳（メタデータ） (2026-09-17T09:27:52Z) - Causal Inference with Categorical Unobserved Confounder via Mixture Learning [20.542714966688656]
未保存の共同創設者が適切な条件下でカテゴリー化されている場合、因果効果が識別可能であることを示す。
本稿では, テンソル分解に基づく推定手法を提案する。
論文 参考訳（メタデータ） (2026-05-18T18:28:16Z) - 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) - 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) - Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。
提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
論文 参考訳（メタデータ） (2024-11-15T07:42:02Z) - Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。
我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。
因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - CATE Lasso: Conditional Average Treatment Effect Estimation with
High-Dimensional Linear Regression [18.628644958430076]
条件平均治療効果(CATE)は、個々の因果効果を表す量として重要な役割を果たす。
本研究では,高次元および非スパースパラメータの下でも連続的にCATEを推定する手法を提案する。
論文 参考訳（メタデータ） (2023-10-25T17:51:07Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳（メタデータ） (2023-09-28T13:04:11Z) - Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳（メタデータ） (2023-09-15T22:06:29Z) - 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)
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。