2023 Fiscal Year Research-status Report
ベイズ決定理論に基づく広範な問題に適用可能な統計的因果推論フレームワークの構築
| Project/Area Number |
22K12156
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
堀井 俊佑 早稲田大学, データ科学センター, 准教授 (00552150)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | 統計的因果推論 / ベイズ決定理論 / 構造的因果モデル / 平均処置効果 / 部分線形モデル / 能動学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，統計的因果推論における因果効果の推定に対する様々な数理モデル・推定手法をベイズ決定理論の立場から見直して整理し，ベイズ決定理論に基づく統一的な統計的因果推論フレームワークを構築することで，既存手法よりも適用範囲が広く，因果効果を高い精度で推定可能な手法を開発することであった．
2023年度は，2022年度に開発した，部分線形モデルとノンパラメトリックベイズモデルを組み合わせたモデルにおける条件付き平均処置効果の推定手法に関して理論的・実験的な解析を詳細に行い，その結果を人工知能の難関国際会議の一つであるAAAIにて発表した．薬剤投与や教育プログラムの効果など、何らかの処置を施した際の効果の値を各個人の属性に基づいて推定し、かつデータ量の少なさに起因する推定の不確実性を可視化することが可能となった．提案モデルは計算効率が良い・処置に関する事前知識を活用できるなどの利点があり、特に少数データ下で推定の不確実性を従来技術より効果的に評価できることを示した．
また，部分線形モデルにおける，平均処置効果推定に関する能動学習の手法について，国際会議CMStatistics 2023で発表を行った．この手法により，少ないサンプルサイズで因果効果を高精度で推定可能になることを示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は，2022年度に行った研究を深化させ，その内容について国際会議等で発表を行う予定であった．得られた研究成果は人工知能の難関国際会議AAAIに採択され，順調に進展しているといえる．
|
| Strategy for Future Research Activity |
2024年度は，新たに構造的因果モデルを利用して，実験データと観察データを融合したデータからの統計的推論に関する研究を行う予定である．新たに手法を開発し，その手法の理論的・実験的評価を行う．論文の執筆も行い，国際会議に投稿する予定である．
|
| Causes of Carryover |
2023年度は，2022年度に行った研究を深化させることを中心に行ったため，新たな書籍やコンピュータの購入などはあまりしなかった．2024年度は新しい研究をスタートするため，準備のために，書籍やコンピュータの購入に使用する予定である．
|
