XiaoMi-AI文件搜索系统
World File Search SystemCausal
使用机器学习来测试联合分析中的因果假设
抽象的联合分析是一种流行的实验设计，用于测量多维偏好。许多研究人员专注于估计每个因素的平均边际影响，同时平均其他因素。尽管这允许基于直接设计的估计，但结果严重取决于因素相互作用的方式。一种基于模型的替代方法可以计算各种兴趣，但需要正确的模型规格，这是与许多因素的联合分析的挑战性任务。我们根据条件随机测试（CRT）提出了一种新的假设检验方法，以回答联合分析的最基本问题：考虑到其他因素，感兴趣的因素是否重要？尽管它仅提供对这些二进制问题的正式测试，但CRT仅基于因素的随机化，因此不需要建模假设。这意味着CRT可以通过启用任何测试统计量（包括基于复杂的机器学习算法的测试统计量）来提供强大而假设的统计测试。我们还展示了如何测试常用的规律性假设。最后，我们将提出的方法应用于移民偏好的联合分析。可以实施一个开源软件包。提出的方法是通过开放式软件R软件包CRTConchoint实现的，可通过综合R档案网络https://cran.r-project.org/web/web/packages/crtconjoint/index.html获得。
2024; 15（7）：1890-1897。 doi：10.7150/jca.92699肠道菌群，免疫细胞和非小细胞肺癌之间的研究论文因果关系
背景：调节免疫系统是影响疾病发展的肠道菌群（GM）的关键度量。GM在非小细胞肺癌（NSCLC）上的因果作用以及是否可以通过免疫细胞介导的因果关系仍然未知。方法：我们进行了两步，两样本的孟德尔随机研究，采用逆差异加权方法（IVW）方法研究了GM对NSCLC的因果作用以及GM和NSCLC缔合之间免疫细胞的介导效应。结果：MR分析确定了6属对NSCLC的保护作用（Bacteroides，Roseburia，Alistipes，Alistipes，甲烷抗逆转录病毒，Ruminocococcus Gauvreaeauii组和peptoccoccus）。此外，有暗示性与NSCLC相关的38个免疫细胞性状。值得注意的是，调解MR说明了肽属属在NSCLC上的因果作用（总效应IVW：OR = 0.790，95％CI [0.657，0.950]，P = 0.012）在HLA DR + CD4 + CD4 + CD4 + panel（-05％CI（-05％）（-95％）（-95％CI）中，由CD45介导了很大的比例。 -0.005]; p = 0.037），占总效果的14.4％。结论：研究表明GM和NSCLC之间存在因果关系，这可能是由免疫细胞介导的。
公平功能选择：因果观点
用于分类决策任务的公平特征选择最近引起了研究人员的显着关注。然而，现有的公平特征选择算法无法完全解释特征和敏感属性之间的因果关系，从而有可能影响公平特征识别的准确性。为了解决此问题，我们提出了一种公平的因果特征选择算法，称为FAIRCFS。从特定上讲，FAIRCFS构建了一个局部因果图，该图形标识了类和敏感变量的Markov毯子，以阻止敏感信息的传输以选择公平的因果特征。对七个公共现实世界数据集进行了广泛的实验，验证了FaiRCFS与八种最先进的特征选择算法相比具有可比性的精度，同时呈现出更高的公平性。
数学4824C：因果推理
潜在的结果，平均治疗效果，随机实验，合作调整，回归不连续性设计，观察力研究，混杂因素，敏感性分析，倾向分数，匹配，匹配，双重差异估计器，差异差异，仪器变量，仪器变量，异构治疗效果和最佳治疗方案。
建立最少和可重复使用的因果状态抽象来加强学习
两种强化学习（RL）算法的Desiderata是从相对较少的经验学习和学习概括到一系列问题规格的政策的能力的能力。在有方面的状态空间中，实现这两个目标的一种方法是学习状态抽象，这仅保留学习手头的任务的必要变量。本文介绍了因果分配模型（CBM），该方法可以了解每个任务的动力学和奖励功能中的因果关系，以得出最小，特定于任务的抽象。CBM利用并改进了隐式建模，以训练可以在同一环境中所有任务重复使用的高保真因果动力学模型。对操纵环境和DeepMind Control Suite的经验验证表明，CBM学到的隐式动力学模型比显式的因果关系模型更准确地识别了基本的因果关系和状态抽象。此外，派生的状态抽象允许任务学习者在所有任务上实现近门槛级别的样本效率和表现优于基础线。
Causal-HRI：人类机器人相互作用的因果学习
现实世界中的人类机器人相互作用（HRI）要求机器人熟练地感知并了解其操作的动态以人为中心的环境。近几十年来，已经看到了出色的广告，这些杂志具有出色的感知能力。关于“因果关系：人类机器人互动的因果学习”的第一个研讨会旨在将研究观察者从因果发现，推理和因果学习到现实世界中的HRI应用程序中汇集在一起。本研讨会的目的是探索策略，这些策略不仅将嵌入具有能力的机器人，从观察结果中发现因果关系，从而使它们能够概括地看不见的间隔设置，还可以使用户能够理解机器人行为，超越这些机器人使用的“黑色盒子”模型。本研讨会旨在通过受邀的主题演讲，贡献会谈，小组讨论和海报会议来促进观点，鼓励各种社区的合作。HRI 2024的主题“现实世界中的HRI”将为该研讨会的总体主题提供信息，鼓励讨论HRI理论，方法，设计和研究，重点是利用因果学习来增强现实世界中的HRI。
肠道菌群与Hidradenitis purativa之间的因果关系：两样本的Mendelian随机研究
方法：我们使用全基因组关联研究进行了双向两样本Mendelian随机分析（MR）分析，研究了Mibiogen联盟的肠道菌群和Hidradenitis supporativa的摘要数据，该数据由Mibiogen Concortium分析了18,340个个体，由Mibiogen Consortium，由Mibiogen Consortium分析，由Mibiogen Consium cansegogen consortium，由Mibiogen Consortium，由Mibiogen consementium，组成21111 gut microbiota。HS数据是从Finngenbiobank分析收集的严格定义的HS数据中获取的，其中包括211,548个欧洲祖先（409 HS患者，211,139个对照组）。使用逆差异加权方法（IVW），加权中值（WME），简单模型，加权模型，加权中位数和MR-Egger来确定HS致病细菌分类群的变化，然后进行敏感性分析，包括水平多效性分析。Steiger MR测试评估了因果关系的强度，并且保留的方法评估了结果的可靠性。此外，进行了反向MR分析以寻求可能的反向因果关系。
免疫细胞与神经退行性疾病之间的因果关系：两样本的孟德尔随机化研究
材料和方法：本研究中使用的暴露和结果GWAS数据是从开放式数据库（https://gwas.mrcieu.ac.uk/）中获得的，该研究采用了两种样本的MR分析来评估731个免疫性细胞特征和四个神经疾病疾病之间的因果关系，包括Alzeimease疾病，包括Adshemen sasson s plack splack splack splack s parke'sasser'sheerer'sheer'Sheer'sheer'sheer'' （PD），肌萎缩性侧索硬化症（ALS）和多发性硬化症（MS）。所有免疫细胞数据均通过多种MR方法获得，以最大程度地减少偏差，并获得对感兴趣变量与结果之间因果关系的可靠估计。仪器变量选择标准受到限制，以确保免疫细胞物种与这些神经退行性疾病的风险之间因果关系的准确性和有效性。
二氧化碳排放、能源消耗、可再生能源对亚洲经济增长的因果关系亚洲6国案例研究
摘要。本研究旨在考察亚太地区 6 个国家（即印度尼西亚、泰国、马来西亚、日本、中国和韩国）的二氧化碳排放变量、能源消耗和可再生能源与经济增长之间的关系和影响。这些国家的经济增长水平不同。每个国家开展的经济活动产生不同的外部性。因此，本研究旨在考察 2014 年至 2020 年二氧化碳排放、能源消耗、可再生能源与经济增长之间的关系。本研究使用的数据来自世界银行和《世界能源统计评论》。研究采用面板数据回归方法进行，固定效应模型 (FEM) 为最佳模型。本研究结果表明，可再生能源、能源总消耗和二氧化碳排放对经济增长有显著影响。同时，人均能源消耗变量对经济增长没有显著影响。从 R 平方值来看，所有变量的相关性为 99%，其中多达 1% 由研究之外的变量解释。该研究的进一步建议是，政府和相关机构要关注由于二氧化碳排放而导致的环境可持续性问题，二氧化碳排放不断增加能源消耗，并被认为会阻碍 6 个亚洲国家的经济增长。
全球供应链中断对宏观经济结果的因果影响：证据和理论
我们研究了全球供应链中断的因果影响和政策影响。我们从集装箱船的强制性自动识别系统数据中构建了供应链中断的新指数，开发了一种新型的空间聚类算法，该算法决定了全球主要端口的位置，速度和集装箱船的实时拥塞。我们开发了一种模型，在生产商和零售商之间进行搜索摩擦，将备用生产能力与商品市场拥堵以及产出和价格的响应联系起来，对供应链冲击的响应。产出，价格和备用能力的共同介绍产生了供应链干扰的唯一识别限制，使我们能够研究此类中断的因果影响。我们记录了供应链冲击如何在2021年推动通货膨胀的方式，但在2022年，传统需求和供应冲击在解释通货膨胀方面也起着重要作用。最后，我们展示了在全球供应链冲击后与常规情况相比，金钱政策如何在驯服通货膨胀方面更有效。