Asymptotic theory of semiparametric $Z$-estimators for stochastic processes with applications to ergodic diffusions and time series
本文将主要在现代经验过程背景下发展起来的$Z$ -估计理论的一部分推广到随机过程的情况,典型的是半鞅。本文给出了一个一般定理,当$Ψ_n$的补偿器是随机的时,得到了具有抽象冗余参数$h$的估计方程$θ\leadsto Ψ_n(θ,\widehat{h}_n)=0$解的渐近性态.作为其应用,我们考虑了遍历扩散过程模型中的估计问题,其中漂移系数包含一个未知的,有限维的参数$θ$和扩散系数是由冗余参数$h$从无限维空间索引。冗余参数空间的一个例子是一类光滑函数。我们建立了漂移系数的$Z$ -估计的渐近正态性和有效性。作为另一个应用,我们也提出了一个类似的结果在遍历时间序列模型。
2009-09-02 math.ST stat.TH
Selective machine learning of doubly robust functionals
本文提出一种选择性机器学习框架,基于双重稳健性质定义伪风险并选择最优学习器对,用于半参数模型中有限维泛函的推断,并应用于平均处理效应的估计,理论证明其oracle性质,模拟和实证验证了有效性。
2023-09-03 math.ST stat.ME stat.ML
Double Cross-fit Doubly Robust Estimators: Beyond Series Regression
本文研究双重交叉拟合双稳健(DCDR)估计量,在Hölder光滑条件下通过欠光滑化冗余函数估计,证明其具有$\sqrt{n}$一致性与渐近正态性,并提出极小极大速率最优的核回归DCDR估计量,支持非$\sqrt{n}$情形下的推断。
2025-05-07 math.ST stat.ME stat.ML
The Fundamental Limits of Structure-Agnostic Functional Estimation
本文形式化黑箱冗余函数估计下的泛函估计问题并推导极小极大下界,证明在结构无关、仅施加高层速率条件时一阶去偏方法最优,而利用函数空间结构的高阶估计量才能进一步改进。
2025-06-07 math.ST stat.ME stat.ML
Collaborative targeted inference from continuously indexed nuisance parameter estimators
我们希望从一个定律中推断出一个参数的值,并从中抽取独立的观测值。该参数是光滑的,我们可以定义两个变分无关的法律,其$Q$ -和$G$ -组件的功能,使他们一致地估计在一个足够快的产品率允许建立一个置信区间(CI)与给定的渐近水平从一个普通的目标最小损失估计(TMLE)。假设上述乘积不够快,并且用于$G$分量的算法由实值$h$微调。具有通过交叉验证选择的$h$的普通TMLE通常不会产生CI。我们构建了一个合作的TMLE(C-TMLE),并在温和的条件下,如果存在一个甲骨文$h$,使一个庞大的剩余项渐近高斯,那么C-TMLE产生CI。我们用平均处理效应的推论来说明我们的发现。我们进行了一个模拟研究,其中的$G$ -组件估计的LASSO和$h$是上界的系数的范数。它揭示了小样本属性,面对低到高维的基线协变量,并可能违反积极性。
2018-04-05 math.ST stat.ME stat.ML
Consistency of the bootstrap for asymptotically linear estimators based on machine learning
本文针对机器学习估计冗余函数的非/半参数可微泛函估计场景,给出bootstrap一致性的一般条件,覆盖多种估计器与bootstrap类型,并通过数值研究验证其在标准方法失效时的渐近有效性。
2024-04-18 math.ST stat.TH
Confidence interval for correlation estimator between latent processes
Kimura和Yoshida处理了一个模型,其中二维半鞅的有限变分部分由潜过程的时间积分表示。他们提出了一个潜在过程之间的相关估计,并证明了其一致性和渐近混合正态性。本文讨论了相关估计量的置信区间,以检验相关性。%之间的潜在过程。我们提出了两种类型的相关估计的渐近方差的估计,并证明了他们的一致性,在高频率设置。我们的模型包括双随机泊松过程,其强度过程是相关的伊藤过程。我们比较我们的估计的基础上模拟的双随机泊松过程。
2018-08-18 math.ST stat.TH
On the role of parametrization in models with a misspecified nuisance component
本文研究模型冗余部分任意误设时,感兴趣参数最大似然估计保持一致所需的模型结构,并通过对称参数化统一和拓展配对比较与两分组问题的条件。
2024-08-04 math.ST stat.TH
Doubly-robust inference and optimality in structure-agnostic models with smoothness
本文针对观测数据下的平均处理效应估计问题,提出带光滑性约束的结构不可知混合分布族,推导极小极大下界,设计出双重稳健且在该分布族下达到最优收敛速率的ATE估计量,并通过模拟验证理论结果。
2024-12-12 stat.ME
On Modeling and Estimation for the Relative Risk and Risk Difference
在制定相对风险和风险差异模型时的一个常见问题是这些参数与基线风险之间的变化依赖性,这是一个滋扰模型。我们解决这个问题,提出了一个优选的滋扰模型的条件对数奇积。这种新的滋扰模型有利于极大似然估计,但也允许双重稳健估计的参数的兴趣。我们的方法是通过模拟和数据分析说明。
2016-11-18 stat.AP stat.ME
Robust boundary detection and density estimation using doubly stochastic scaling of the Gaussian kernel
Princeton University(普林斯顿大学);Halicioğlu Data Science Institute, UC San Diego(UC圣地亚哥哈尔西奥卢数据科学研究所);Department of Mathematics, UC San Diego(UC圣地亚哥数学系)
本文提出了一种基于双随机缩放高斯热核的鲁棒边界检测和密度估计方法,通过模拟验证其在噪声环境下优于传统高斯核方法。
2026-04-02 math.DG math.ST stat.TH
Nuisance Function Tuning and Sample Splitting for Optimally Estimating a Doubly Robust Functional
Department of Statistics and Data Science, Washington University in St. Louis(华盛顿大学圣路易斯分校统计与数据科学系)
本文研究了如何通过干扰函数调节和样本分割策略优化双重稳健函数估计的收敛速率,展示了不同调节参数和样本分割方法对估计结果的影响。
2026-09-09 math.ST stat.ME stat.ML
Automatic Doubly Robust Forests
Stanford University(斯坦福大学);Massachusetts Institute of Technology(麻省理工学院)
本文提出自动双重稳健随机森林DRRF,将基于Riesz表示子的自动去偏扩展到条件矩泛函估计,证明其一致性与渐近正态性,并在HTE模拟中展现更优精度、稳健性和计算效率。
2025-06-08 cs.LG econ.EM math.ST
Doubly Robust Goodness-of-Fit Test of Coarse Structural Nested Mean Models with Application to Initiating combination antiretroviral treatment in HIV-Positive Patients
粗结构嵌套均值模型(SNEML)为从具有时间依赖性混杂因素的纵向观察数据中估计处理效应提供了有用的工具。粗SNARY产生了一大类估计量,其中可以在处理效应、处理开始和滋扰回归结果的良好指定模型的条件下导出最佳估计量(Lok & Griner,2015)。关键假设在于处理效应的明确指定模型;然而,没有指定处理效应模型的现有指南,模型错误指定导致估计值偏倚,妨碍有效推断。为了检验处理效应模型是否与数据匹配良好,我们基于过度识别限制检验推导出拟合优度(GOF)检验程序(Sargan,1958; Hansen,1982)。我们表明,我们的GOF统计是双重强大的意义上说,一个正确的处理效应模型,如果治疗启动模型或滋扰回归结果模型被正确指定,GOF统计有卡方限制分布的自由度等于数量的过度识别的限制。我们使用基于实际数据集的模拟设计来证明我们的方法的经验相关性。此外,我们应用GOF测试程序来研究感染后高效抗逆转录病毒治疗(HAART)的开始时间如何预测急性和早期感染的HIV阳性患者的一年处理效应。
2015-12-10 stat.ME
Robust and efficient estimation in the presence of a randomly censored covariate
针对右删失协变量,提出兼具双重稳健与半参数高效性的估计量,并在 R 包 sparcc 中实现,用于分析 Enroll-HD 亨廷顿病症状轨迹。
2024-09-18 stat.ME
Doubly Robust Counterfactual Classification
Harvard Medical School(哈佛医学院);Carnegie Mellon University(卡内基梅隆大学);Harvard University(哈佛大学)
我们研究反事实分类作为一种新的工具,在假设(与事实相反)的情况下进行决策。我们提出了一个双重鲁棒的非参数估计一般的反事实分类器,在那里我们可以通过铸造的分类问题作为一个非线性的数学规划,涉及反事实,将灵活的约束。我们继续分析估计的收敛速度,并提供了一个封闭形式的表达其渐近分布。我们的分析表明,所提出的估计是强大的滋扰模型误指定,并可以达到快速的$\sqrt{n}$率与易处理的推理,即使使用非参数机器学习方法。我们通过模拟研究我们的方法的实证性能,并将其应用于累犯风险预测。
2023-01-15 cs.LG stat.ME stat.ML
Nonparametric Estimation of a distribution function from doubly truncated data under dependence
Efron和Petrosian的开创性论文中介绍了双截断数据的分布函数的NPMLE。然而,Efron-Petrosian估计的一致性取决于独立截断的假设。在这项工作中,我们介绍了扩展的Efron-Petrosian NPMLE时,感兴趣的变量和截断变量可能是依赖的。建议的估计量构造的基础上的Copula函数,它表示的相关结构之间的变量的兴趣和截断变量。介绍了两种不同的迭代算法来计算实际中的估计量,并通过深入的蒙特卡罗模拟研究探讨了它们的性能。我们说明了使用的估计两个真实数据的例子。
2021-01-14 stat.ME
Smoothing spline density estimation from doubly truncated data
Instituto Español de Oceanografía (IEO - CSIC)(西班牙海洋研究所);Centro Oceanográfico de Vigo(维戈海洋中心);CITMAga(加利西亚可持续数学与技术计算研究中心)
本文提出了一种修正惩罚似然方法,用于从双截断数据中进行平滑样条密度估计,并通过模拟和实际数据验证其有效性。
2026-01-14 stat.ME
Characterization of parameters with a mixed bias property
In this article we study a class of parameters with the so-called `mixed bias property'. For parameters with this property, the bias of the semiparametric efficient one step estimator is equal to the mean of the product of the estimation errors of two nuisance functions. In non-parametric models, parameters with the mixed bias property admit so-called rate doubly robust estimators, i.e. estimators that are consistent and asymptotically normal when one succeeds in estimating both nuisance functions at sufficiently fast rates, with the possibility of trading off slower rates of convergence for t…
2019-05-04 math.ST stat.TH
Doubly Smoothed Density Estimation with Application on Miners' Unsafe Act Detection
Guanghua School of Management, Peking University(北京大学光华管理学院);School of Mathematics, China University of Mining and Technology(中国矿业大学数学学院);School of Statistics, University of International Business and Economics(对外经济贸易大学统计学院);Center for Applied Statistics and School of Statistics, Renmin University of China(中国人民大学应用统计科学中心及统计学院)
本研究提出双重平滑密度估计器,利用空间结构提升图像异常检测精度,并引入网格点近似降低计算成本,在矿工不安全行为检测中达到约99%的准确率。
2025-10-26 stat.AP
A unifying approach for doubly-robust $\ell_1$ regularized estimation of causal contrasts
We consider inference about a scalar parameter under a non-parametric model based on a one-step estimator computed as a plug in estimator plus the empirical mean of an estimator of the parameter's influence function . We focus on a class of parameters that have influence function which depends on two infinite dimensional nuisance functions and such that the bias of the one-step estimator of the parameter of interest is the expectation of the product of the estimation errors of the two nuisance functions. Our class includes many important treatment effect contrasts of interest in causal inferen…
2019-06-05 math.ST stat.ME stat.ML
Doubly Robust Semiparametric Inference Using Regularized Calibrated Estimation with High-dimensional Data
考虑半参数估计,其中低维参数的双稳健估计函数可用,取决于两个工作模型。对于高维数据,我们开发了正则化校准估计作为估计两个工作模型中的参数的一般方法,使得如果两个工作模型中的任一个被正确指定,则可以在适当的稀疏条件下获得感兴趣的参数的有效Wald置信区间。我们提出了一个计算上易于处理的两步算法,并提供了严格的理论分析,证明了足够快的收敛速度的正则化校准估计,尽管顺序建设,并建立了所需的渐近扩展的双重鲁棒估计。作为具体的例子,我们讨论了部分线性,对数线性和逻辑模型和估计的平均处理效应的应用。在前三个例子的数值研究表明,我们的方法优越的性能相比,去偏Lasso。
2020-09-25 stat.ME
Minimax Kernel Machine Learning for a Class of Doubly Robust Functionals with Application to Proximal Causal Inference
Johns Hopkins University(约翰斯·霍普金斯大学);University of Pennsylvania(宾夕法尼亚大学)
Robins等人(2008)引入了一类影响函数(IF),可用于获得相应参数的双鲁棒矩函数。然而,该类别不包括干扰函数是积分方程的解的参数的IF。这些参数在因果推断领域特别重要,特别是在Tchetgen等人(2020)最近提出的近端因果推断框架中,该框架允许在存在潜在混杂因素的情况下估计因果效应。在本文中,我们首先扩展类罗宾斯等。包括双鲁棒IF中的滋扰功能是积分方程的解决方案。然后,我们证明了这些IF的双重鲁棒性可以用来构造滋扰函数的估计方程,这使得我们能够在不诉诸参数模型的情况下求解积分方程。我们框架的滋扰功能的估计作为一个极大极小优化问题。我们提供的滋扰功能和渐近线性的参数估计所需的条件的收敛速度。实验结果表明,我们提出的方法导致强大的和高性能的估计平均因果效应的近端因果推断框架。
2022-03-07 cs.LG econ.EM math.ST
Optimal Nuisance Function Tuning for Estimating a Doubly Robust Functional under Proportional Asymptotics
Yale University(耶鲁大学);Boston University(波士顿大学);Harvard University(哈佛大学)
本文在比例渐近下研究岭回归扰动函数调参对双重稳健ECC估计的影响,提出去偏策略实现√n一致性,并揭示预测最优调参未必使ECC渐近方差最小。
2025-10-24 math.ST stat.ME stat.ML
A theory of nonparametric regression in the presence of complex nuisance components
本文研究了非参数随机回归模型$Y=f_1(X_1)+f_2(X_2)+ε$,讨论了函数$f_1$的估计问题.术语$f_2(X_2)$被认为是一个令人讨厌的术语,它可能比$f_1(X_1)$复杂得多。在最小的假设下,我们证明了几个非渐近$L^2(\mathbb{P}^X)$的风险界我们的估计$f_1$。我们的方法是几何的,并基于希尔伯特空间的考虑。结果表明,我们的估计的性能是密切相关的几何量,如最小角度和Hilbert-Schmidt范数。我们的结果建立了新的条件下,$f_1$的估计有高达一阶相同的尖锐上界的模型$Y=f_1(X_1)+ε$中相应的$f_1$的估计。作为一个例子,我们将结果应用到添加剂模型中的组件的数量是非常大的,或在其中的滋扰组件是相当少的顺利比$f_1$。特别是,结果适用于渐进的情况下,其中的组件的数量被允许增加的样本量。
2015-02-01 math.ST stat.TH
Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects
Texas A&M University(德克萨斯农工大学)
本文提出了一种贝叶斯半参数方法,用于高维数据中准确估计治疗效应,通过双重稳健性确保效率和有效性。
2025-11-19 econ.EM math.ST stat.ME
Two step estimations via the Dantzig selector for models of stochastic processes with high-dimensional parameters
Faculty of Economics and Law, Shinshu University(信州大学经济与法律学院);Faculty of Mathematics, Kyushu University(九州大学数学学院)
本文通过Dantzig选择器和两步估计方法,研究了高维参数随机过程模型的稀疏估计及渐近正态性。
2024-09-18 math.ST stat.TH
Demystified: double robustness with nuisance parameters estimated at rate n-to-the-1/4
本文利用中值定理和光滑性条件,解释了当冗余参数以 n^(1/4) 或更快速率估计时,目标参数估计量的方差不受冗余参数估计方式影响且夹心方差估计量一致这一双重稳健性现象。
2024-09-03 math.ST stat.TH
Nuisance Parameters Free Changepoint Detection in Non-stationary Series
检测时间序列的平均值的突变,即所谓的变点,对于许多应用是重要的。然而,许多程序依赖于冗余参数(如长期方差)的估计。在另一种情况下(平均值的变化),估计器可能会有偏差,并且用于选择调优参数的数据自适应规则可能不会像预期的那样工作。如果数据不是平稳的,而是异方差的,这就变得更具挑战性。本文的目的是提出和调查两个变点测试,这既不涉及滋扰,也不调整参数。这是通过结合自规范化和野生自举来实现的。我们研究的渐近行为,并显示自举的一致性的假设下,以及根据替代,假设温和的条件下的弱依赖的时间序列,并允许方差随时间变化。作为所提出的测试的副产品,一个变点估计,并证明其一致性。结果表明,通过模拟研究,这表明计算效率的开发方法。新的测试也将应用于金融和水文的真实数据示例。
2018-08-13 math.ST stat.TH
The costs and benefits of uniformly valid causal inference with high-dimensional nuisance parameters
本文综述高维冗余参数下一致有效因果推断的研究,分析其双重稳健性等优势及方差膨胀的成本,提出的双重选择结果回归估计量兼具一致渐近无偏性与更低方差。
2021-05-05 math.ST stat.ME stat.TH
On the improved estimation of ordered parameters based on doubly type-II censored sample
针对双II型截尾样本下两个指数分布的有序尺度参数估计问题,本文在一般尺度不变损失函数下提出改进BAEE的估计量及一类广义贝叶斯边界估计量,推导三种特殊损失函数下的改进估计量并通过模拟和实际数据分析验证了性能。
2024-12-06 math.ST stat.TH
Varextropy of doubly truncated random variable
本文引入了双重截断随机变量的变熵概念,研究了其在线性变换下的性质及上下界,提出了三个区间变熵估计量并通过模拟研究和实际应用验证了其有效性。
2024-07-31 math.ST stat.TH
Doubly robust estimation for conditional treatment effect: a study on asymptotics
在本文中,我们应用双重稳健的方法来估计,当一些协变量,在参数,半参数和非参数结构的滋扰倾向得分和结果回归模型的条件平均治疗效果。然后,我们进行了系统的研究的渐近分布的9个估计与不同的组合估计的倾向得分和结果回归。该研究涵盖了正确指定所有模型的渐近性质;局部/全局错误指定倾向评分或结果回归;以及局部/全局错误指定所有模型。比较了渐近方差,讨论了模型误设定下的渐近偏差修正。的现象,渐近方差,与模型误指定,有时甚至可以小于,与所有的模型正确指定的探讨。我们还进行了数值研究,以检验理论结果。
2020-09-12 math.ST stat.TH
Network inference for SDEs with diverging dimension under small noise
University of Hamburg(汉堡大学);Graduate School of Mathematical Sciences, University of Tokyo(东京大学大学院数学系研究科);CREST, Japan Science and Technology Agency(日本科学技术振兴机构 CREST);European Centre for Algorithmic Transparency(欧洲算法透明中心)
针对小噪声高维网络随机微分方程,提出最小距离估计框架,分解误差并给出非渐近界,结合自适应Lasso实现一致图恢复。
2026-10-06 math.ST stat.TH
Doubly robust pointwise confidence intervals for a monotonic continuous treatment effect curve
本文研究连续处理变量的因果剂量-反应曲线非参数推断,通过反转似然比检验提出单调假设下的双稳健逐点置信区间,避免估计偏差和调参,并通过模拟与数据集验证了有效性。
2025-08-11 math.ST stat.ME stat.TH
Model misspecification and bias for inverse probability weighting and doubly robust estimators
在因果推理文献中,属于一类半参数估计量的估计量被称为鲁棒的,如果它在至少一个工作模型被正确指定的假设下具有期望的性质。本文提出了一种粗略的分析方法来研究当所有工作模型都被错误指定时,平均因果效应的半参数估计的大样本偏差。我们将我们的方法应用到三个原型估计,两个逆概率加权(IPW)估计,使用错误指定的倾向得分模型,和一个双重稳健(DR)估计,使用错误指定的模型的结果回归和倾向得分。要分析的问题时,使用两个错误指定的模型是优于一个,我们推导出充要条件的DR估计有一个小的偏差比一个简单的IPW估计,当它有一个小的偏差比IPW估计与归一化权重。如果结果模型的误指定是中度的IPW和DR估计的偏差的比较表明,DR估计有一个较小的偏差比IPW估计。然而,所有的偏见包括PS模型的错误,我们建议研究人员在建模PS时要小心,只要涉及这样的模型。
2018-06-25 math.ST stat.ME stat.TH
GMM with Many Weak Moment Conditions and Nuisance Parameters: General Theory and Applications to Causal Inference
Department of Biostatistics, University of Washington(华盛顿大学生物统计系)
本文针对弱识别且滋扰参数随样本量增长的一般矩模型,提出一种基于Neyman正交性的两步去偏GMM估计框架,建立其一致性与渐近正态性,并应用于弱工具变量和弱代理变量的因果推断。
2025-11-10 math.ST stat.ME stat.TH
Super doubly robust and efficient estimator for informative covariate censoring
Penn State University(宾夕法尼亚州立大学);Columbia University Medical Center(哥伦比亚大学医学中心);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
针对诊断时间被研究退出时间右删失的信息协变量删失问题,提出超双重稳健估计量SPIRE,无需正确指定密度即可保持一致,并在密度正确时达到半参数有效,同时开发了信息协变量删失检验方法,为神经退行性疾病早期干预提供可靠工具。
2025-11-04 math.ST stat.TH
A note on the relation between one-step, outcome regression and IPW-type estimators of parameters with the mixed bias property
University of Washington(华盛顿大学);Glovo;Harvard T.H. Chan School of Public Health(哈佛大学陈曾熙公共卫生学院)
本文证明一步估计量与结果回归型估计量的代数恒等式可推广至Rotnitzky等的混合偏差类,并允许一个冗余估计量非线性,同时联系IPW型估计量恒等式。
2025-09-29 math.ST stat.ME stat.TH
How estimating nuisance parameters can reduce the variance (with consistent variance estimation)
当识别条件涉及冗余参数θ时,我们经常估计感兴趣的参数psi。因果推理的例子是逆概率加权,边际结构模型和结构嵌套模型。为了根据观察数据估计治疗效果,这些方法使用(合并)逻辑斯谛回归模型计算治疗和/或删失概率,并首先估计这些概率。这些方法都是基于无偏估计方程。首先,当在第一步骤中使用划分逆公式估计冗余参数θ时,我们提供用于感兴趣参数psi的方差的一般公式。然后,我们提出了4个结果的估计PSI-HAT无偏估计方程的基础上,其中包括一个冗余参数θ,这是通过解决(部分)得分方程估计,如果psi不依赖于θ。如果theta描述治疗概率,则这在因果推断中经常发生,在具有缺失数据的设置中,其中theta描述缺失概率,以及在具有测量误差的设置中,其中theta描述测量误差分布。1.与直觉相反的是,与插入已知的theta相比,当估计theta时,psi-hat的极限方差通常较小。2.如果忽略估计theta,则得到的psi-hat方差的三明治估计量是保守的。3. psi-hat方差的一致估计可以快速提供结果:无需自助。4.如果插入真实theta的psi-hat是有效的,则psi-hat的极限方差不依赖于是否估计theta。为了说明,我们使用观测数据来估计1。cazavi与粘菌素在耐药细菌感染患者中的作用; 2.一年抗逆转录病毒治疗的效果如何取决于艾滋病毒感染者开始治疗的时间。
2022-08-28 math.ST stat.ME stat.TH
Inference on Strongly Identified Functionals of Weakly Identified Functions
本文提出了一种在干扰函数弱识别时仍能对连续线性泛函进行强识别推断的新条件,构建了基于惩罚极小极大估计的去偏估计量,证明了其渐近正态性,并在近端因果推断和工具变量回归中验证了有效性。
2023-07-01 econ.EM math.ST stat.ME
Doubly Distributed Supervised Learning and Inference with High-Dimensional Correlated Outcomes
本文提出了一个统一的框架,监督学习和推理程序使用分治的方法,高维相关的结果。我们提出了一个一般类的估计,可以实现在一个完全分布式和并行计算方案。与高维相关结果相关的建模、计算和理论挑战通过在结果和受试者水平上划分数据、使用广泛类别的监督学习程序从数据块中估计感兴趣的参数在一个封闭形式的元估计量中组合块估计量渐近等价于Hansen(1982)的广义矩量法(GMM)得到的估计量它不需要在公共服务器上重新加载整个数据。我们提供了严格的理论依据,使用分布估计与相关的结果,通过研究的渐近行为的组合估计与固定和分散的数据部门。仿真结果表明,所提出的方法的有限样本性能,我们提供了一个R包,便于实施。
2020-07-16 math.ST stat.TH
Root-n consistent semiparametric learning with high-dimensional nuisance functions under minimal sparsity
本文提出双重校准策略修正高维冗余参数估计偏差,证明仅需一个冗余参数稀疏度低于$\sqrt{n}/\log p$即可实现$1/\sqrt{n}$速率的处理效应估计,并适用于半参数回归和工具变量等场景。
2024-09-29 math.ST stat.ME stat.TH
Noise Covariance Estimation in Multi-Task High-dimensional Linear Models
本文研究了在中等高维区域中,样本容量$n$和维数$p$为同阶的多任务间噪声相关的高维线性回归模型.我们的目标是估计噪声随机向量的协方差阵,或者等价地估计任何一对两个任务上的噪声变量的相关性。将回归系数作为冗余参数处理,利用多任务弹性网络和多任务套索估计器来估计冗余参数。通过精确地理解残差平方矩阵的偏差,并通过纠正这种偏差,我们开发了一种新的估计的噪声协方差,收敛速度$n^{-1/2}$时,协变量是高斯的Frobenius范数。这种新的估计是有效的计算。在适当的条件下,所提出的估计的噪声协方差达到相同收敛速率的“预言”估计,提前知道的回归系数的多任务模型。本文中得到的Frobenius误差界也说明了这种新的估计相比,矩估计方法,不试图估计滋扰的优势。作为我们的技术的副产品,我们获得了多任务弹性网络和多任务套索估计的泛化误差的估计。进行了广泛的仿真研究,以说明所提出的方法的数值性能。
2022-06-15 math.ST stat.ME stat.ML
Improved inference for doubly robust estimators of heterogeneous treatment effects
我们提出了一种双重稳健的方法来表征观察性研究中的处理效应异质性。我们开发了一个频率主义的推理程序,利用后验分布的倾向得分和结果回归模型提供有效的推理条件平均处理效应,即使当使用高维或非参数模型。我们表明,我们的方法会导致保守的推断在有限样本或模型误指定,并提供了一个一致的方差估计时,这两个模型都被正确指定。在模拟中,我们说明了这些结果在困难的设置,如高维协变量空间或高度灵活的模型的倾向得分和结果回归的效用。最后,我们分析了NHANES的环境暴露数据,以确定这些暴露的影响如何因受试者级别的特征而异。
2022-07-19 math.ST stat.AP stat.ME
The Decaying Missing-at-Random Framework: Model Doubly Robust Causal Inference with Partially Labeled Data
本文提出衰减随机缺失框架及偏差减少半监督估计器,用于部分标记数据下处理效应的双稳健因果推断,同时解决标记偏差和组间不平衡,放宽稀疏性条件,并通过数值实验验证其有效性。
2025-04-21 math.ST stat.ME stat.ML
A Note on Doubly Robust Estimator in Regression Discontinuity Designs
Department of Basic Science, The University of Tokyo(东京大学基础科学系)
本文提出了用于断点回归设计的双稳健估计量(DR-RD),通过结合两个条件期望结果估计量,在至少一个估计量一致时即可保证处理效应估计的一致性,从而增强了估计的稳健性。
2025-01-27 cs.LG econ.EM math.ST
Doubly Robust Estimation with Stabilized Weights for Binary Proximal Outcomes in Micro-Randomized Trials
针对微随机试验中二元近端结果,提出结合稳定截断权重的双稳健EMEE估计量,兼具双稳健性与效率,模拟和真实数据验证其优于现有方法。
2026-10-30 math.ST stat.ME stat.TH
A coherent likelihood parametrization for doubly robust estimation of a causal effect with missing confounders
缺失数据和混杂是研究者在进行比较有效性的观察性研究中面临的两个问题。Williamson等人(2012)最近提出了一种统一的方法,在假设混杂因素随机随机缺失的情况下,使用多重稳健(MR)方法同时处理这两个问题。他们的方法考虑了一个模型的联合,其中任何子模型都有一个参数组件,而其余的模型是不受限制的。我们表明,虽然他们的估计功能是MR理论上,多重鲁棒推理的可能性是复杂的事实,即参数模型的不同组成部分的联盟模型是不是变化独立的,因此MR属性是不太可能在实践中举行。为了解决这个问题,我们提出了一种替代的透明参数化的似然函数,这使得明确的模型之间的依赖关系,需要评估的MR有效的分数的各种滋扰功能。所提出的方法是真正的双重鲁棒性(DR),因为它是一致的和渐近正态的,如果两组建模假设之一。通过仿真研究,我们评估了DR方法的性能和双重鲁棒性。
2020-07-20 math.ST stat.ME stat.TH
Doubly robust estimation with functional outcomes missing at random
Umeå University(于默奥大学)
本文提出双鲁棒估计方法,用于估计功能性结果的均值,在缺失随机假设下,通过半参数估计器和高斯过程极限分布,提供同时置信区间和有限样本性质验证。
2026-02-24 math.ST stat.ME stat.TH
Private Rate-Double-Robust Inference
Ghent University(根特大学);Delft University of Technology(代尔夫特理工大学)
本文通过局部隐私机制注入噪声保护个体隐私,同时利用率双稳健性实现目标参数的无偏和半参数有效推断,并开发了私有化非参数和参数 nuisance 估计方法。
2026-06-19 math.ST stat.ME stat.TH
On (in)consistency of M-estimators under contamination
该研究分析污染下稳健位置-尺度估计量的一致性,发现中位数、Huber估计量等在非对称污染下不一致,Tukey估计量一致,但现有标准稳健尺度估计量在污染下均不一致,需新一致尺度估计量支持Tukey估计量的无干扰参数推断。
2025-02-13 econ.EM math.ST stat.ME
Orthogonal Machine Learning: Power and Limitations
Microsoft Research New England(微软新英格兰研究院);Operations Research Center, MIT(麻省理工学院运筹学研究中心)
双机器学习提供了感兴趣参数的$\sqrt{n}$一致估计,即使在以$n^{-1/4}$速率估计高维或非参数干扰参数时也是如此。关键是采用奈曼正交矩方程,这是一阶不敏感的干扰参数的扰动。我们表明,$n^{-1/4}$的要求可以提高到$n^{-1/(2k+2)}$通过采用$k$阶的正交性,授予更复杂或更高维的滋扰参数的鲁棒性的概念。在部分线性回归设置流行的因果推理,我们表明,我们可以构建二阶正交矩当且仅当治疗残差不呈正态分布。我们的证明依赖于斯坦引理,可能是独立的利益。最后,我们展示了一个显式的双正交估计程序的治疗效果的鲁棒性的好处。
2018-08-01 cs.LG econ.EM math.ST
Direct Doubly Robust Estimation of Conditional Quantile Contrasts
University of Bristol(布里斯托大学);Nanjing University(南京大学);Humboldt University of Berlin(柏林洪堡大学)
本文提出直接双重稳健估计器,用于条件分位数对比的估计,提升估计精度并增强模型可解释性。
2026-01-27 math.ST stat.ME stat.ML