权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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．

The purpose of this study is to clarify the position of statistical causal inference theory, and to establish a unified statistical causal inference theory based on statistical causal inference theory. Part of the line shape of the line, the line shape of the line shape of the In recent years, there have been many studies on the heterogeneity of causal effects. Double/Debiased Machine Learning is a method of calculating the accuracy of the algorithm. The results of this research are presented in international conference papers. The method of active learning is proposed for the purpose of causal effect estimation. For example, the number of participants in the new game is less than that of the original game. In this study, the problem of high precision estimation of causal effects is discussed. The research results of this research are presented at international conferences.