抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
潜在的交絡因子の数が禁止的に大きい場合,因果関係を推定するためのアプローチの開発において近年関心が高まっている。この関心におけるこの成長は,この設定で使用できる多くの潜在的推定子をもたらした。これらの推定子の各々は,異なる動作特性を持ち,1つの推定器は,すべての可能なシナリオにわたって,すべての他のものより優れているとは考えられない。解析者がそれらの特定のデータに対してどのアプローチが最良であるかを知らない事実と結びつけて,著者らは,一連の候補推定子を平均する合成推定器を提案する。平均化は,予測のような問題のための統計で広く使用され,そこでは,多くの可能なモデルがあり,平均化は,性能を改善し,不正確なモデルを使用するロバスト性を向上できる。これらのアイデアは,高次元シナリオにおける因果効果の推定に通じることを示した。平均化が悪いモデルの選択に対してロバスト性を提供し,平均化推定器が極めて良好に機能し,ほとんどの場合,全ての可能な候補推定器の中で最良であると,シミュレーションを通して経験的に示すことを,理論的に示した。最後に,これらのアイデアを環境ワイド関連研究で説明し,平均化が多数の交絡因子を持つより困難なシナリオにおいて最大の利益を与えることを見出した。【JST・京大機械翻訳】
