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

点击翻译按钮获取中文摘要

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．