Copula-ResLogit: 未観測交絡効果に対処する深層コプラ・フレームワーク
arXiv cs.LG / 2026/3/12
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- Copula-ResLogit は、旅客需要分析における未観測の交絡を解消するために、Residual Neural Network (ResNet) アーキテクチャとコプラモデルを組み合わせた、深層学習ベースの完全に解釈可能な結合モデリングフレームワークとして提案されています。
- このフレームワークは、まず従来のコプラベースの結合モデリングを用いて未観測の交絡を検出し、次に深層学習の要素を組み込むことにより隠れた関連を緩和します。
- 著者らは、この手法をVRで中ブロックを横断する歩行者のストレスレベルと待機時間の関係、およびロンドンデータにおける旅行モード選択と旅行距離の依存性という2つのケーススタディを用いて検証しています。
- 結果は、Copula-ResLogit が依存関係を大幅に低減または排除することを示しており、隠れた交絡効果を説明する残差層の有効性と結合モデリングの解釈性を高めることを示しています。
旅行需要分析における重要な課題は、真の因果効果を覆い隠す可能性のある未観測要因の存在である。これに対処するため、本研究は、Residual Neural Network (ResNet) アーキテクチャの柔軟性とコプラモデルの依存性捕捉能力を統合した、Copula-ResLogit という新しい深層学習ベースの完全に解釈可能な結合モデリングフレームワークを導入します。このハイブリッド構造により、まず従来のコプラ関数ベースの結合モデリングを通じて未観測の混乱を検出し、次に深層学習要素を組み込むことによってこれらの隠れた関連を緩和します。本フレームワークをVRで中ブロックを横断する際の歩行者のストレスレベルと待機時間の関係、そしてロンドンの旅行行動データにおける旅行モード選択と旅行距離の依存性の2つのケーススタディに適用します。結果は、Copula-ResLogit が依存関係を大幅に低減または排除することを示しており、隠れた交絡効果を説明する残差層の有効性と結合モデリングの解釈性を高めることを示しています。
