一般化された操作変数による連続的な処置効果のためのダブル・マシン・ラーニング
arXiv stat.ML / 2026/4/14
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、未観測の交絡によるバイアスを低減するために操作変数を用い、連続的な処置に対する平均用量反応関数の新たな識別フレームワークを提案する。
- 「一様な正則化（regular）重み付け関数」を導入し、有限個の領域（開集合）で処置空間を覆うことで、各領域内での局所的識別を達成する。
- 推定のために、著者らは、デバイアス（debiased）された機械学習アプローチの下で、操作変数を伴う連続的処置に対する拡張逆確率重み付けスコアを開発する。
- 本研究は、カーネル回帰または経験リスク最小化によって用量反応関数を推定するための漸近理論を提供し、正則化重み付け関数をデータから適応的に学習するための指針も含む。
- 提案手法の有効性は、シミュレーションおよび実証的研究によって、有限標本での性能を検討することで評価される。
