A Tutorial on Doubly Robust Learning for Causal Inference

要約

二重ロバスト学習は、傾向スコアと結果モデリングを統合することにより、観察データからの因果推論のためのロバストなフレームワークを提供します。
理論的には魅力的であるにもかかわらず、複雑さとソフトウェアがアクセスできないことが認識されているため、実際の採用は依然として限られています。
このチュートリアルは、二重に堅牢なメソッドをわかりやすく理解し、EconML パッケージを使用してそのアプリケーションをデモンストレーションすることを目的としています。
因果推論の概要を説明し、結果モデリングと傾向スコアの原則について説明し、シミュレートされたケーススタディを通じて二重に堅牢なアプローチを説明します。
方法論を簡素化し、実用的なコーディング例を提供することで、データ サイエンスと統計の研究者や実務者が二重に堅牢な学習を利用できるようにするつもりです。

要約(オリジナル)

Doubly robust learning offers a robust framework for causal inference from observational data by integrating propensity score and outcome modeling. Despite its theoretical appeal, practical adoption remains limited due to perceived complexity and inaccessible software. This tutorial aims to demystify doubly robust methods and demonstrate their application using the EconML package. We provide an introduction to causal inference, discuss the principles of outcome modeling and propensity scores, and illustrate the doubly robust approach through simulated case studies. By simplifying the methodology and offering practical coding examples, we intend to make doubly robust learning accessible to researchers and practitioners in data science and statistics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google