スパースモデリングとベイズ決定理論に基づいた因果推論手法の構築

点击翻译按钮获取中文摘要

本研究の目的は，統計的因果分析における因果効果の推定問題をスパースモデリング・ベイズ統計学・決定理論に基づいてモデル化し，ベイズ最適な決定法，及び効率的な近似アルゴリズムの構築と解析を行うことであった．統計的因果分析は，データ分析から得られた知見を使い，何らかの行動をした場合の結果を統計的に分析する学問であり，疫学・社会科学・政治経済学など幅広い応用を持ち，注目を浴びている．2022年度は，部分線形モデルとよばれるモデルを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，できるだけ知見者の数を少ない状況で，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い問題で有効である．この研究成果については国際会議で発表を行った．