本論文では、未観測の交絡に対する一般化された因果感度分析を行うためのニューラルフレームワークNEURALCSAを提案している。
まず、一般化された処理感度モデル(GTSM)を定義し、GTSMが既存の感度モデル(MSM、f-感度モデル、Rosenbaumの感度モデル)を包含することを示した。
次に、NEURALCSA の2段階のアプローチを提案した。第1段階では、観測分布を学習し、第2段階では、処理介入後の潜在変数の分布シフトを学習する。理論的保証として、この2段階のアプローチが部分同定問題の最適な上限と下限を得られることを示した。
NEURALCSAを具体的に実装するため、条件付き正規化流れ(CNF)を用いた。シミュレーションデータと半合成データを用いた実験では、NEURALCSAが様々な感度モデル、処理タイプ、因果クエリに対して有効であることを示した。さらに、複数の結果変数を持つ実データでの適用例を示した。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Dennis Fraue... في arxiv.org 04-10-2024
https://arxiv.org/pdf/2311.16026.pdfاستفسارات أعمق