傾向スコア解析のための三重頑健情報量規準

二宮嘉行

文献

J-GLOBAL ID：202202253328716746 整理番号：22A0822250

傾向スコア解析のための三重頑健情報量規準

Triply Robust Information Criterion for Propensity Score Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0822250&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0822250&from=J-GLOBAL&jstjournalNo=L2452A") }}

著者 (1件)：
資料名：
巻： 51 号： 2 ページ： 275-294 発行年： 2022年03月
JST資料番号： L2452A ISSN： 0389-5602 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

赤池情報量規準AICを元来の定義に基づいて導出したときに,罰則項がパラメータ数の2倍から大きくずれるような設定として,因果推論の基本である傾向スコア解析がある.周辺構造モデルにおける周辺構造の選択問題に対し,傾向スコアに基づくセミパラメトリックアプローチをとっているにもかかわらず,AICを形式的に用いると大きく過適合することになる.そのセミパラメトリックアプローチにおいて近年広く用いられているものに,二重頑健推定と呼ばれる,モデル誤特定に対して強い推定がある.本稿では,共変量バランシングのアイディアを採用した二重頑健推定に関して,損失関数を通常の対数尤度から変更することで外れ値に対しても強い推定を考える.そして,その頑健性を保持させたまま罰則項を導出し,妥当性を有する情報量規準として三重頑健情報量規準を提案する.数値実験では,まずモデル誤特定も外れ値もないケースで,罰則項をパラメータ数の2倍とした形式的な情報量規準と比べ,三重頑健情報量規準が明らかに予測性能の意味で優越することを示す.そして,モデルを誤特定させたり,外れ値を混入させたりしたケースを扱い,三重頑健情報量規準が影響を受けにくいことを確認する.(著者抄録)

, , , , , , , , , , , , , , ,
, , , , , , , , , , , , ,

システム・制御理論一般

引用文献 (31件)：

Akaike, H. (1973). Information theory and an extension of the maximum likelihood principle, in 2nd International Symposium on Information Theory, eds. B. N. Petrov and F. Csaki, Budapest: Akademiai Kiado, 716-723.
Athey, S., Imbens, G. and Wager, S. (2018). Approximate residual balancing: debiased inference of average treatment effects in high dimensions, Journal of the Royal Statistical Society: Series B, 80, 597-623.
Baba, T. and Ninomiya, Y. (2021). Doubly robust criterion for causal inference, arXiv preprint, 2110.14525.
Baba, T., Kanemori, T. and Ninomiya, Y. (2017). A Cp criterion for semiparametric causal inference, Biometrika, 104, 845-861.
Bang, H. and Robins, J. M. (2005). Doubly robust estimation in missing data and causal inference models, Biometrics, 61, 962-972.

, ,

前のページに戻る