Calibration and partial calibration on principal components when the number of auxiliary variables is large
在调查抽样中,校准是一种非常流行的工具,用于使总估计量与已知的辅助变量总数一致,并减少方差。当辅助变量的数量很大时,对所有变量的校准可能导致其均方误差(MSE)大于Horvitz-Thompson估计器的MSE的总量估计器,即使该简单估计器不考虑可用的辅助信息。本文研究了一种新的技术基础上的降维,通过主成分,可以在这个大尺寸的上下文中是有用的。对第一主成分进行校准,第一主成分可以被视为包含辅助变量的变异性的最重要部分的合成变量。当一些辅助变量比其他变量起更重要的作用时,该方法可以适于提供对这些重要变量的精确校准。给出了允许变量个数随总体大小趋于无穷大的渐近性质。讨论了一种数据驱动的主成分个数选择准则,该准则保证所有的抽样权都为正。该文件的方法是说明,在一个多用途的背景下,通过应用程序的帮助下,包括过去的消费量每半小时在前一周的336个辅助变量,以估计一周中的每一天的用电量。
2015-12-14 stat.ME
Efficient class of estimators for population median using auxiliary information
本文利用辅助变量给出了研究变量总体中位数的一类有效估计。得到了这类估计量的偏差和均方误差的渐近表达式。研究了渐近最优估计量及其近似均方误差。我们已经证明,提出的估计量比Srivastava(1967),Gross(1980),Kuk和Mak(1989)Singh et al.(2003 b),Al和Chingi(2009)以及Singh和Solanki(2013)考虑的估计量更有效。此外,理论研究结果支持的实证研究的基础上,两个人口显示的优越性,构建的估计比别人。
2014-02-23 math.ST stat.ME stat.TH
Randomized Principal Component Ensembles for High-Dimensional Calibration
University of Zurich(苏黎世大学);University of Neuchâtel(纳沙泰尔大学)
本文提出了一种基于袋外法和主成分分解的校准方法,用于处理大量辅助变量带来的方差增加和权重分散问题,通过构建主成分并生成多个权重系统,最终获得稳定且低分散的校准权重。
2026-09-21 stat.ME
Transfer Learning in High-dimensional Semi-parametric Graphical Models with Application to Brain Connectivity Analysis
迁移学习越来越受到人们的关注,其目标是通过从相似和相关的辅助研究(数据集)中挖掘信息来提高一个研究(数据集)的统计效率。本文研究了无向半参数图模型估计中的迁移学习问题。我们提出了一种算法称为Trans-Copula-CLIME估计无向图模型,同时挖掘信息,从类似的辅助研究,目标图和每个辅助图之间的相似性的发散矩阵的稀疏性特征。所提出的方法放宽了限制性假设,即数据遵循高斯分布,这偏离了与注意缺陷多动障碍(ADHD)相关的fMRI数据集的现实。非参数秩为基础的相关系数估计使用的trans-Copula-CLIME程序,以实现对正态性的鲁棒性。我们在一些温和的条件下建立了Trans-Copula-CLIME估计的收敛速度,证明了当辅助样本与目标样本之间的相似性足够高且辅助样本的信息量足够大时,Trans-Copula-CLIME估计比现有的非迁移学习估计具有更大的优势.仿真研究还表明,trans-Copula-CLIME估计有更好的性能,特别是当数据不是来自高斯分布。最后,利用纽约地区的fMRI数据集,将该方法应用于北京地区ADHD患者脑功能连接模式的推断。
2021-12-26 stat.ME
Quasi Model-Assisted Estimators under Nonresponse in Sample Surveys
University of Zurich, Department of Psychology(苏黎世大学心理学系);Institute of Sport Sciences of the University of Lausanne(洛桑大学体育科学研究所)
本文提出了一类准模型辅助估计器,用于处理样本调查中的非响应问题,通过结合工作模型和响应模型提高估计效率和准确性。
2025-12-10 stat.ME
Nonparametric Estimation of Conditional Expectation with Auxiliary Information and Dimension Reduction
给定协变量向量$U$的结果$Y$的条件期望$E(Y | U)$的非参数估计在诸如预测和个性化医疗的许多统计应用中是最重要的。在某些问题中,在用于构建估计量的训练数据集中存在额外的辅助变量$Z$,但$Z$不可用于未来预测或在个性化医疗中选择患者治疗。例如,在训练数据集中,观察到纵向结果,但在未来预测或分析中仅关注最后结果$Y$。除最后一个点之外的纵向结果是观察到的变量$Z$,并且与$Y$和$U$两者相关。关于如何利用$Z$估计$E(Y|U)$的先前工作主要集中在使用$Z$构造$U$的线性函数以降低协变量维数以获得更好的估计。使用$E(Y|U) = E\{E(Y|U, Z)| U\}$,我们提出了一个两步估计的内部和外部的期望,分别与足够的降维核估计在这两个步骤。从$Z$的信息不仅用于降维,但也直接在估计。由于存在不同的方式进行降维,我们构造了两个估计,可能会改善估计不使用$Z$。改进表现在样本容量增大到无穷大时估计量的收敛速度以及有限样本模拟性能。一个真实的数据分析有关的选择乳腺摄影干预的说明。
2018-05-09 stat.ME
An almost unbiased estimator for population mean using known value of population parameter(s)
本文提出了一种几乎无偏估计量,它是在已知辅助变量的总体比例的情况下,利用总体参数的已知值。定义了一类估计量,它包括[1],[2]和[3]估计量.在无放回的简单随机抽样(SRSWOR)方案下,导出了偏差和均方误差的表达式。数值例子支持本研究。关键词:辅助信息,比例,偏差,均方误差,无偏估计量。
2014-05-31 stat.AP stat.ME
Effects of model misspecification on small area estimators
该研究通过蒙特卡洛模拟探究均值结构误设对小区域估计量的影响,发现观测单元层面辅助变量会使OBP表现变差,改用区域层面辅助变量或对应模型可显著提升其性能,且OBP的MSPE随辅助变量样本与总体均值差增大而上升。
2024-10-07 stat.AP stat.ME
Sample-split REGression SREG: A robust estimator for high-dimensional survey data
本文提出SREG估计量,通过K折交叉拟合消除高维辅助变量下的偏差,证明其渐近正态性和一致性,验证了简单随机、分层和拒绝性采样下的条件波动假设。
2026-04-08 stat.ME
Debiased Machine Learning without Sample-Splitting for Stable Estimators
Stanford University(斯坦福大学);Harvard University(哈佛大学)
对因果参数的估计和推断通常被简化为广义矩估计问题,其涉及对应于回归或分类问题的解决方案的辅助函数。去偏机器学习的最新工作路线显示了如何使用通用机器学习估计器来解决这些辅助问题,同时保持目标参数的渐近正态性和根$n$一致性,同时仅需要辅助估计算法的均方误差保证。文献通常要求将这些辅助问题拟合在单独的样本上或以交叉拟合的方式拟合。我们表明,当这些辅助估计算法满足自然留一稳定性,则样本分裂是不需要的。这允许样品重复使用,这在中等大小的样品方案中可能是有益的。例如,我们表明,我们提出的稳定性是满意的集成袋装估计,建立通过子采样没有替换,在机器学习实践中的一种流行的技术。
2022-11-14 cs.LG econ.EM math.ST
Nonparametric Additive Model-assisted Estimation for Survey Data
研究了在辅助信息的辅助下,估计海量调查数据有限总体总数的可加模型辅助非参数方法。结合样条和局部多项式光滑方法,提出了一类估计量,以提高Horvitz-Thompson估计量的精度。这些估计是校准的,渐近设计无偏的,一致的,正常的和强大的意义上渐近达到Godambe-Joshi下界的预期方差。一个一致的模型选择程序进一步发展,以选择显着的辅助变量。所提出的方法是足够快,在几秒钟内分析大规模的高维调查数据。所提出的方法的性能评估经验,通过模拟研究。
2011-01-04 stat.ME
Principal Component Based Estimation of Finite Population Mean under Multicollinearity
Department of Statistics, Institute of Science, Banaras Hindu University(贝拿勒斯印度教大学科学研究所统计学系)
本文提出基于主成分分析的有限总体均值估计方法,以应对多重共线性问题,通过转换相关辅助变量为正交主成分,提升估计效率和稳定性。
2026-04-28 math.ST stat.ME stat.TH
Two-phase rejective sampling and its asymptotic properties
针对辅助信息不可用的情形,论文提出两阶段拒绝抽样 TPRS,证明其可提升双重扩张估计量效率,并推广至多阶段及一般估计方程参数。
2025-01-12 stat.ME
Doubly Robust Inference with Non-probability Survey Samples
当相关辅助信息可从概率调查样本中获得时,我们建立了非概率调查样本统计推断的一般框架。我们开发了一个严格的程序,估计倾向得分的单位在非概率样本,并构造双重稳健估计的有限总体均值。方差估计讨论下提出的框架。仿真研究的结果表明,我们提出的估计与现有的方法相比,鲁棒性和效率。所提出的方法是用来分析一个非概率调查样本收集的皮尤研究中心的辅助信息,从行为风险因素监测系统和当前的人口调查。我们的研究结果说明了一个一般的方法来推断与非概率样本和突出的重要性和有用的辅助信息的概率调查样本。
2018-05-16 stat.ME
Improving the estimation of the odds-ratio using auxiliary information
比值比测量用于健康和社会调查,其中某个事件的几率在两个人群之间进行比较。它是使用逻辑斯谛回归定义的,并且要求来自调查的数据伴随着它们的权重。结合调查权重和辅助信息的非参数估计方法可以提高优势比估计量的精度。它包括$B$ -样条校准,可以处理参数的非线性结构。通过线性化估计方差。可以通过标准调查软件实施。如两个示例所示,精度增益取决于数据。
2014-06-30 stat.ME
Information Borrowing for Cox Regression with an Auxiliary Outcome
Shanxi University(山西大学);Bristol Myers Squibb(百时美施贵宝);Takeda Pharmaceuticals(武田制药);University of Pennsylvania(宾夕法尼亚大学)
本文提出一种半参数方法,通过二次惩罚将辅助结局信息纳入Cox回归,在效应一致时借用信息,不一致时自适应调整,以降低估计方差并保持有效性。
2026-09-29 stat.ME
GEAR: On Optimal Decision Making with Auxiliary Data
个性化最优决策,即根据个体特征寻找最优决策规则,近年来在教育、经济、医学等领域受到越来越多的关注。目前的ODR方法通常需要样品中感兴趣的主要结果来评估处理效应,即实验样品。然而,在许多研究中,治疗可能具有长期效应,因此,由于实验持续时间有限,无法在实验样本中观察到感兴趣的主要结局,这使得无法估计ODR。本文的灵感,以解决这一挑战,利用辅助样本,以方便估计ODR的实验样本。我们提出了一个增广的逆倾向加权的实验和辅助样本为基础的决策规则(GEAR),通过最大化的增广的逆倾向加权值估计在一类决策规则使用的实验样本,与主要结果是插补的基础上的辅助样本。建立了所提出的GEAR估计及其相关值估计的渐近性质。仿真研究进行了一个真正的艾滋病应用程序,以证明其经验的有效性。
2021-04-21 math.ST stat.AP stat.ME
A unit-level small area model with misclassified covariates
小区域模型是一种混合效应回归模型,它将小区域联系起来,并从相似的领域中借用力量。当模型中使用的辅助变量测量有误差时,忽略测量误差的小区域估计器可能比直接估计器更差。在文献中已经提出了另一种考虑测量误差的小区域估计量,但仅适用于连续辅助变量。采用贝叶斯方法,我们扩展了单位水平模型,以占连续和分类协变量的测量误差。对于离散变量,我们模型的误分类概率和估计他们共同与所有未知的模型参数。我们通过模拟研究探索不同的场景来测试我们的模型。通过应用埃塞俄比亚人口和健康调查的数据,强调了拟议模式的影响,我们重点关注妇女营养不良问题,这是发展中国家的一个严重问题,也是一个国家社会经济进步的重要指标。
2018-10-22 stat.ME
Regression-Adjusted Estimation of Quantile Treatment Effects under Covariate-Adaptive Randomizations
协变量自适应随机化(CAR)田间试验的数据集通常包含额外的协变量,除了层指标。我们建议通过辅助回归将这些额外的协变量纳入CAR下无条件分位数处理效应(QTE)的估计和推断中。我们建立了回归调整QTE估计的相合性和极限分布,并证明了在CAR下使用乘子自助推断是非保守的。当数据是高维的时,辅助回归可以参数化地、非参数化地或通过正则化来估计。即使在辅助回归被错误指定的情况下,所提出的自举推理过程仍然在零值下的极限内达到名义拒绝概率。当正确指定辅助回归时,回归调整估计量达到最小渐近方差。我们还讨论了形式的调整,可以提高效率的QTE估计。有限样本的新的估计和推理方法的性能进行了研究,在模拟和经验应用到一个著名的数据集有关扩大获得基本的银行账户储蓄报告。
2022-09-05 econ.EM stat.ME
Embedded Multilevel Regression and Poststratification: Model-based Inference with Incomplete Auxiliary Information
针对MRP依赖辅助变量联合分布的限制,提出嵌入式MRP(EMRP)方法,在贝叶斯框架下生成合成总体并传播不确定性,模拟和实证表明其优于经典MRP及替代方法。
2023-06-23 stat.ME
Optimal False Discovery Rate Control for Large Scale Multiple Testing with Auxiliary Information
大规模多重检验是高维统计推断中的一个基本问题。越来越普遍的是,各种类型的辅助信息,反映假设之间的结构关系,可用。利用这些辅助信息可以提高统计功效。为此,我们提出了一个框架的基础上,两组混合模型与不同的概率为空不同的假设先验,其中形状约束的关系之间施加的辅助信息和先验概率为空。在控制平均错误发现率的情况下,设计了一个最优拒绝规则,以最大化真阳性的期望数量。针对有序结构,我们提出了一种稳健的期望最大化算法,用于同时估计在备择假设下的先验概率为零概率和$p$ -值的分布.我们表明,所提出的方法具有更好的权力比国家的最先进的竞争对手,同时控制错误发现率,经验和理论。大量的仿真实验证明了该方法的优越性。来自全基因组关联研究的数据集被用来说明新的方法。
2021-03-29 stat.ME
Enhanced localized conformal prediction with imperfect auxiliary information
Nankai University(南开大学);the University of Melbourne(墨尔本大学)
提出增强局部化共形预测(ELCP),利用密度比加权核估计整合辅助数据,在保持有限样本边际覆盖的同时提升局部覆盖可靠性。
2026-06-07 stat.ME
Unbiased Risk Estimation in the Normal Means Problem via Coupled Bootstrap Techniques
本文提出耦合自助法(CB),通过向数据添加正态噪声生成辅助向量来无偏估计正态均值问题中任意估计量的风险,并在特定假设下可恢复 SURE,实验证明其表现良好。
2024-04-24 math.ST stat.ME stat.TH
Model-assisted estimation in high-dimensional settings for survey data
在过去的三十年里,模型辅助估计器引起了人们的广泛关注。这些估计器试图在估计阶段有效地利用可用的辅助信息。将调查变量与辅助变量联系起来的工作模型被指定,并与样本数据拟合,以获得一套预测,然后将其纳入估计程序。模型辅助过程的一个很好的特点是,它们保持重要的设计属性,如一致性和渐近无偏性,无论工作模型是否正确指定。在这篇文章中,我们从基于设计的角度和高维环境中研究了几个模型辅助估计,包括惩罚估计和基于树的估计。我们进行了广泛的模拟研究,使用爱尔兰能源监管委员会智能计量项目的数据,以评估在这个高维数据集的偏差和效率方面的几个模型辅助估计的性能。
2021-04-07 math.ST stat.ME stat.TH
Small Area Estimation of General Indicators in Off-Census Years
Complutense University of Madrid(马德里康普顿斯大学);Carlos III University of Madrid(马德里卡洛斯三世大学)
本文针对非普查年通用指标的小区域估计问题,提出无需依赖过时普查微观数据的估计方法及配套均方误差估计量,实证验证了该方法在不同普查数据质量场景下的优异表现。
2025-11-19 math.ST stat.ME stat.TH
Statistical Inference For Noisy Matrix Completion Incorporating Auxiliary Information
本文研究半监督模型下结合辅助协变量的噪声矩阵完成统计推断,提出仅需少量迭代的迭代最小二乘估计方法,保证低秩矩阵和系数矩阵的逐项估计量具有渐近正态分布,并基于乘子自助法提出高维系数矩阵同时检验程序。
2024-03-22 stat.ME stat.ML
Some Improved Estimators In Systematic Sampling Under Non-response
本文研究了在无响应情况下利用辅助变量信息估计系统抽样总体均值的问题。本文提出了系统抽样中几种修正的比型、乘积型和差型估计,并研究了它们的性质。推导了一阶近似下的均方误差表达式。进行了实证研究,以判断最好的估计建议的估计。
2014-03-05 math.ST stat.ME stat.TH
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型(DRM)为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中,我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计(MELE)的渐近性质,并建立了经验似然比(ELR)统计量的卡方极限分布.我们表明,渐近方差的MELE的未知参数不减少,如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明,正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
An information criterion for auxiliary variable selection in incomplete data analysis
当辅助变量与主要变量一起观察时,考虑对感兴趣的变量(称为主要变量)进行统计推断。我们考虑不完全数据分析的设置,其中一些主要变量未被观察到。利用主、辅变量联合分布的参数模型,当辅变量与主变量密切相关时,可以改进主变量的参数模型估计。然而,当辅助变量与主变量无关时,估计精度降低。为了选择有用的辅助变量,我们将问题表述为模型选择,并提出了一个利用辅助变量预测主变量的信息准则。在一定的条件下,所提出的信息准则是主变量完全数据下库尔贝克-莱布勒散度的渐近无偏估计量.我们还澄清了建议的信息准则和留一交叉验证的变体之间的渐近等价性。我们的方法的性能通过模拟研究和实际数据的例子证明。
2019-03-09 math.ST stat.ME stat.ML