論文の概要: Outstrumental Variable Regression

• arxiv url: http://arxiv.org/abs/2611.00266v1
• Date: Fri, 30 Oct 2026 18:47:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-14 02:25:36.294435
• Title: Outstrumental Variable Regression
• Title（参考訳）: 外部変数回帰
• Abstract要約: 結果のメカニズムが有限な環境によって異なる場合,因果効果が同定可能であることを示す。 本稿では,OVR(Outstrumental Variable Regression)について紹介する。 我々は、OVRの有限サンプルバージョンが規則性条件下で一貫していることを証明した。
• 参考スコア（独自算出の注目度）: 11.58762644470419
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the causal effect of a treatment $X$ on an outcome $Y$ from observational data in the presence of unobserved confounding requires additional structure or assumptions. Existing identification strategies such as instrumental variable regression exploit exogenous variation in only the treatment. We show that the causal effect can also be identified if the outcome mechanism varies across a finite set of environments, even if the treatment distribution is unchanged. Concretely, we introduce Outstrumental Variable Regression (OVR), which proceeds in three steps: (i) compute the conditional expectation of $Y$ given $X$ in each environment; (ii) form the vector of differences in these conditional expectations between all environments and a reference environment (we call this vector contrast); and (iii) regress $Y$ on $X$ while adjusting for the contrast and environment. We prove that this yields the true causal effect if the following two conditions hold: inclusion restriction, i.e., the contrast determines the conditional confounding bias; and positivity, i.e., the treatment varies sufficiently strongly after adjustment. We prove that a finite-sample version of OVR is consistent under regularity conditions and demonstrate the procedure's effectiveness on synthetic and real-world data.
• Abstract（参考訳）: 治療の結果に対するX$の因果効果を推定するには、観測データからY$を推定する。 楽器変数回帰のような既存の識別戦略は、治療のみにおいて外因性の変化を利用する。 また, 処理分布が変化しても, 結果のメカニズムが環境によって異なる場合にも, 因果効果が同定可能であることを示す。 具体的には、OVR(Outstrumental Variable Regression)を3段階に分けて紹介する。 (i)各環境における$Y$及び$X$の条件付き期待値を計算する。 (ii)全ての環境と参照環境との条件的期待の差のベクトルを形成する(このベクトルコントラストと呼ぶ)。 (iii)コントラストと環境を調整しながら、$X$で$Y$を返します。 このことは、次の2つの条件が包含制限、すなわちコントラストが条件付き共起バイアスを決定する場合の真の因果効果、すなわち調整後の処理が十分に大きく変化することを証明している。 我々は,OVRの有限サンプルバージョンが規則性条件下で一貫していることを証明し,合成および実世界のデータに対する手順の有効性を実証する。

関連論文リスト

• Causal Robustness from Synthetic Environments [5.763453235526434]
  堅牢な予測のための因果性指向の手法は通常、観測された環境全体にわたって不均一性を使用する。 本研究では, 構造的付加雑音機構により, 双方を一つの分布から復元可能であることを示す。
  論文  参考訳（メタデータ） (2026-10-19T12:10:11Z)
• Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
  ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
  論文  参考訳（メタデータ） (2026-03-02T18:58:22Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• Many Experiments, Few Repetitions, Unpaired Data, and Sparse Effects: Is Causal Inference Possible? [9.833121064614337]
  本研究では,隠れたコンバウンディングの下での因果関係を推定する問題について検討する。 適切な正則性条件の下では、問題はインストゥルメンタル変数(IV)回帰としてキャストすることができる。 クロスフォールドサンプル分割に基づくGMM型推定器を提案する。
  論文  参考訳（メタデータ） (2026-01-21T18:36:34Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding [52.1068936424622]
  治療が介入によって設定された場合、対象変数$Y$に対して、予測因果効果$E[Y|do(X)]$を推定する問題を考える。 選択バイアスや欠点のない設定では、$E[Y|do(X)] = E[Y|X]$ となる。 選択バイアスとコンバウンディングの両方を組み込んだフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-26T13:43:37Z)
• Invariant Causal Prediction with Local Models [52.161513027831646]
  観測データから対象変数の因果親を特定するタスクについて検討する。 L-ICP(textbfL$ocalized $textbfI$nvariant $textbfCa$usal $textbfP$rediction)と呼ばれる実用的手法を導入する。
  論文  参考訳（メタデータ） (2024-01-10T15:34:42Z)
• 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)
• Environment Invariant Linear Least Squares [16.831875263656027]
  本稿では,複数の実験環境からのデータを収集する多環境線形回帰モデルについて考察する。 線形最小二乗回帰のマルチ環境バージョンである、新しい環境不変線形最小二乗関数(EILLS)を構築する。
  論文  参考訳（メタデータ） (2023-03-06T13:10:54Z)
• 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)

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。