강건한 회귀를 이용한 시계열 데이터의 교란 요인 제거: DecoR
DecoR은 관측되지 않은 교란 요인이 있는 시계열 데이터에서 인과 관계를 추론하기 위해 고안된 새로운 방법으로, 주파수 영역에서 강건한 회귀를 활용하여 교란 요인을 제거하고 인과 효과를 추정합니다.
중첩 마르코프 모델의 물리학에 대한 일반화된 확률 이론적 관점
중첩 마르코프 모델은 인과 관계를 나타내는 DAG에서 관측 가능한 변수 간의 동등성 제약 조건을 완벽하게 설명하지만, 일반화된 확률 이론(GPT)의 관점에서 볼 때, 이 모델은 물리적으로 구현 불가능한 분포를 포함하고 있으며, 이는 상대성 이론에서 비롯된 추가적인 부등식 제약 조건을 고려하지 않았기 때문입니다.
숨은 교란 요인이 있는 선형 순환 시스템에 대한 강력한 인과 분석
숨겨진 교란 요인과 순환 관계가 있는 선형 시스템에서 인과 관계를 추론하도록 설계된 LLC 알고리즘은 데이터 오염에 취약하며, 이러한 문제를 해결하기 위해 MCD, GDE와 같은 강력한 공분산 추정기를 사용한 확장이 필요하다.
임의의 이웃 간섭이 있는 상황에서 인과 효과 추정을 위한 갈등 그래프 설계
본 논문에서는 네트워크 실험에서 특정 인과 효과를 정확하게 추정하기 위해 네트워크 구조와 인과 효과 간의 근본적인 관측 불가능성을 나타내는 '갈등 그래프' 개념을 기반으로 하는 새로운 실험 설계 방법론인 '갈등 그래프 설계'를 제안합니다.
비공식적 돌봄의 비용: 개별 합성 제어에 대한 새로운 2단계 접근 방식
본 연구는 새로운 2단계 개별 합성 제어 방법을 사용하여 비공식적 돌봄 제공으로 인한 소득 불이익을 추정하고, 특히 돌봄 강도가 높을수록 소득 격차가 커짐을 보여줍니다.
포괄적 합성 대조군 방법(iSCM): 처리 그룹을 포함하여 스필오버 효과를 고려한 인과 추론
본 논문에서는 처리 그룹(treated units)을 기증 풀(donor pool)에 포함시켜 스필오버 효과를 고려한 새로운 인과 추론 방법론인 포괄적 합성 대조군 방법(iSCM)을 제안합니다.
간섭이 있는 무작위 실험을 위한 대체 기반 무작위 검정: 향상된 검정력을 위한 새로운 접근 방식
본 논문에서는 간섭 효과가 존재하는 무작위 실험에서 인과 추론을 위한 새로운 방법인 대체 기반 무작위 검정(IRT)을 제안합니다. IRT는 누락된 잠재적 결과를 대체하여 기존 무작위 검정의 한계를 극복하고, 다양한 간섭 메커니즘에서 타입 I 오류율을 효과적으로 제어하면서 기존 방법보다 검정력을 크게 향상시킵니다.
변이 분석에서의 인과 경로 상호 작용 테스트
본 논문에서는 인과적 효과(direct, indirect, spurious) 간의 상호 작용을 분석하고 이를 통해 총 변이(TV) 측정값을 분해하는 새로운 인과 추론 프레임워크인 변이 분석을 제시합니다. 특히, 상호 작용 효과가 0과 유의미하게 다른지 여부를 판단하는 상호 작용 테스트를 통해 보다 간결하고 해석하기 쉬운 TV 분해를 가능하게 합니다.
등장성 보정을 통한 안정화된 역 확률 가중 방법
본 논문에서는 제한된 치료 중첩 설정에서 불안정성, 편향 및 과도한 변동성을 유발할 수 있는 기존 역 확률 가중 방법의 단점을 해결하기 위해 등장성 보정을 통한 안정화된 역 확률 가중 방법(IC-IPW)을 제안합니다.
대부분 유효하지 않은 도구 변수가 있는 경우의 인과 효과에 대한 최적의 부분 식별: BudgetIV 알고리즘
본 논문에서는 대부분의 도구 변수가 유효하지 않은 상황에서 인과 효과를 부분적으로 식별하는 새로운 프레임워크인 BudgetIV 알고리즘을 제안합니다.
© 2024 by Linnk AI