ベイズ決定理論に基づく広範な問題に適用可能な統計的因果推論フレームワークの構築

基于贝叶斯决策理论构建可应用于广泛问题的统计因果推理框架

基本信息

批准号：
22K12156
负责人：
堀井俊佑
金额：
$ 2.66万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

本研究の目的は，統計的因果推論における因果効果の推定に対する様々な数理モデル・推定手法をベイズ決定理論の立場から見直して整理し，ベイズ決定理論に基づく統一的な統計的因果推論フレームワークを構築することで，既存手法よりも適用範囲が広く，因果効果を高い精度で推定可能な手法を開発することであった．2022年度は，部分線形モデルとよばれるモデルにノンパラメトリックベイズモデルの視点を取り入れることで拡張したモデルにおいて，条件付き平均処置効果とよばれる因果的な量をベイズ的方法で推定するアルゴリズムを提案し，その性能を理論的・実験的に解析を行った．統計的因果推論の分野では近年，因果効果の異質性に注目した研究が多く行われているが，本研究もその一種である．関連する手法として，Double/Debiased Machine Learningとよばれる手法が広く用いられているが，実験によりこの手法と比較して条件付き平均処置効果を高い精度で推定できることを示した．本研究の研究成果は現在国際会議に投稿中である．また，部分線形モデルにおいて，因果効果推定を目的とした能動学習の手法を提案し，その性能を実験的に解析した．例えば，ある新薬の効果を明らかにしたい場合，できるだけ治験への参加者数を少なくしたもとで効果を高い精度で推定したい．本研究は，このように少ないサンプルサイズで処置変数の目的変数に与える因果効果を高精度で推定した問題で有効である．この研究成果については国際会議で発表を行った．

这项研究的目的是审查和组织各种数学模型和估计方法，从贝叶斯决策理论的角度来看，估算统计因果推理中因果关系的效果，并开发出一种比现有方法更广泛的方法，并且可以通过基于贝叶斯决策来构建统一的统计因果框架来估算具有高精度的因果效应。在2022财年，我们提出了一种算法，该算法在一种模型中估算了以贝叶斯方式称为条件平均治疗效果的因果量，该模型通过将非参数贝叶斯模型的透视图纳入了一个模型，并将其分析了该模型的模型，并分析了该模型的理论和实验性分析的性能。近年来，在统计因果推断领域进行了许多研究，这些研究着重于因果关系的异质性，而这项研究就是其中之一。作为一种相关方法，广泛使用了一种称为双/辩护的机器学习的技术，并且实验表明，与此方法相比，有条件均值处理的效果可以估计很高。目前，这项研究的研究结果已提交国际会议。此外，我们提出了一种主动学习方法，用于估计部分线性模型中的因果效应，并通过实验分析其性能。例如，如果您想澄清新药的影响，则希望以高精度估算效果，同时尽可能最大程度地减少临床试验中的参与者数量。这项研究在高精度估计治疗变量对较小样本量的目标变量的因果作用方面有效。这项研究的结果是在国际会议上提出的。