因果推論

insight - 因果推論

無作為化試験の結果から得られる複数の因果効果の関数について、相関構造が未知の場合でも有効な推論が可能である。

因果的情報ボトルネック(CIB)は、変数Xの圧縮表現Tを学習し、目的変数Yに対する因果的制御を最大化する。

反復横断データにおいて、合成差分差分法を適用するための新しい重み付けを提案し、シミュレーション結果から、この新しい手法が従来の手法よりも優れた性能を示すことを明らかにした。

本研究では、共変量バランス条件を組み込んだ一般ベイズ推論に基づく新しい因果効果推定手法を提案する。提案手法は、逆確率重み付け推定量とプロペンシティスコア推定を同時に推定することができ、従来手法と比べて特に小標本サイズの状況で優れた性能を示す。

本論文は、交絡バイアスと選択バイアスの両方に対処するための新しい順次調整基準(SAC)を提案し、その基準に基づいて因果効果を推定するための標的化順次回帰(TSR)推定量を開発している。

観測データから因果構造を推論する際、仮定が満たされない場合でも、スコアマッチングに基づくアプローチが堅牢な性能を示す。

本文提出了一個綜合的方法來檢測和量化觀察資料中的混淆,不需要假設因果充足性或參數模型。我們利用不同環境中的資料,提出了三種不同的混淆量化方法,可以檢測和量化變數之間的混淆,分離觀察到的和未觀察到的混淆效果,並評估不同變數集之間混淆的相對強度。

観測データと因果メカニズムの変化を利用して、変数間の混同を検出し、その強さを測定する包括的なアプローチを提案する。

専門家の知識を活用することで、観測変数間の因果関係を特定できる可能性がある。

時間集計によって本来の時間遅れの因果関係が瞬時の因果関係として現れる場合、その瞬時の因果関係が本来の因果関係と整合的であるかどうかを明らかにする。