Combining BART and Principal Stratification to estimate the effect of intermediate variables on primary outcomes with application to estimating the effect of family planning on employment in Nigeria and Senegal
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
本文提出结合BART和主 stratification方法，估计家庭计划对就业的影响，通过模拟和实证分析验证了该方法在估计中间变量效应上的有效性与稳健性。
2026-03-29 stat.AP stat.ME
A Tree-based Model Averaging Approach for Personalized Treatment Effect Estimation from Heterogeneous Data Sources
University of Pittsburgh（匹兹堡大学）；Southwestern University of Finance and Economics（西南财经大学）
准确估计研究中心内的个性化处理效应（例如，一家医院）由于有限的样本量而具有挑战性。此外，隐私方面的考虑和资源的缺乏也阻止了一个网站利用来自其他网站的主题级数据。我们提出了一种基于树的模型平均方法，以提高估计精度的条件平均处理效应（CATE）在目标网站利用模型来自其他潜在的异质网站，而不共享受试者水平的数据。据我们所知，目前还没有针对分布式数据的既定模型平均方法，重点是改善处理效应的估计。具体来说，在分布式数据网络下，我们的框架提供了一个可解释的基于树的集成CATE估计器，连接跨研究站点的模型，同时通过站点分区积极建模数据源的异质性。这种方法的性能是由一个真实世界的研究证明的因果关系的氧疗对医院的生存率，并支持全面的模拟结果。
2022-06-15 cs.LG stat.ME stat.ML
Optimal experimental designs for treatment contrasts in heteroscedastic models with covariates
在临床试验中，特定受试者的反应通常取决于所选择的治疗以及一些协变量。本文研究了具有处理和协变量效应的模型中的最优近似试验设计。我们允许响应的方差取决于所选择的处理，这将异方差引入模型。为了估计系统的治疗对比度和线性函数的协变量，我们扩展了已知的结果D-最优的产品设计，提供产品设计是最佳的一般特征值为基础的标准。特别是，A-和E-最优产品设计。然后，我们制定了一个基于线性规划的方法，用于构建最优设计与最优产品设计的较小支持。稀疏设计可以更容易地转换为实际适用的精确设计。所提供的结果和建议的稀疏化方法上的一些例子证明。
2019-07-09 math.ST stat.TH
Estimating Continuous Treatment Effects with Two-Stage Kernel Ridge Regression
Department of IEOR, Columbia University（哥伦比亚大学工业工程与运营研究系）；Department of IEOR and Data Science Institute, Columbia University（哥伦比亚大学工业工程与数据科学研究所）
针对连续治疗的效果函数估计问题，提出两阶段核岭回归方法，通过第一阶段建模响应与治疗和协变量的关系，第二阶段构造伪结果校正分布偏移，无需估计条件治疗密度即可达到最优学习界，并实现数据驱动的模型选择。
2026-05-28 cs.LG stat.ME stat.ML
Estimating the Tail Index by using Model Averaging
模型平均的想法是用来找到权重的峰值超过阈值的问题，使用一个可能的范围内的阈值。选择最大观测值的范围并将其视为可能的阈值，每次执行估计。计算基于每个阈值的信息标准的权重。可以计算阈值和形状参数的加权估计。
2014-10-29 stat.ME stat.OT
Borrowing from Supplemental Sources to Estimate Causal Effects from a Primary Data Source
越来越多的数据来源提供了令人兴奋的可能性，估计治疗，干预或暴露的影响，特别是如果观察和实验来源可以同时使用。源之间的借用可能会导致更有效的估计，但必须以原则性的方式进行，以减轻增加的偏倚和第一类错误。此外，当治疗效果混杂时，如在观察性来源或不依从的临床试验中，需要因果效应估计量同时调整混杂因素并估计数据源间的效应。我们考虑的问题，估计因果关系的影响，从一个主要来源和借款的任何数量的补充来源。我们建议使用基于回归的估计，借用的基础上假设交换的回归系数和参数之间的数据源。借款是用多变量交换模型和贝叶斯平均模型完成的。我们通过模拟表明，贝叶斯线性模型和贝叶斯加性回归树都具有理想的性质，并在适当的情况下借用。我们应用估计最近完成的试验非常低的尼古丁含量香烟调查其对吸烟行为的影响。
2020-03-21 stat.ME
Estimating Climate Sensitivity Using Bayesian Model Averaging for CMIP Models
Emory University（埃默里大学）；The Ohio State University（俄亥俄州立大学）
该研究采用贝叶斯模型平均法（BMA），基于CMIP6的37个气候模式，结合观测数据估算TCRE，得出的TCRE范围与IPCC AR6重叠但均值更高、标准差更低，2100年变暖预测更明确且不确定性更小，参数不确定性为主要方差来源。
2026-08-05 stat.AP stat.ME
Model averaging with mixed criteria for estimating high quantiles of extreme values: Application to heavy rainfall
Honam Research Division, Electronics and Telecommunications Research Institute（韩国电子与电信研究院湖南研究部）；Department of Statistics, Chonnam National University（全南大学统计系）
本文提出基于混合标准的模型平均法，用于更准确地估计极值高分位数，应用于暴雨数据以提高预测精度和风险评估效果。
2026-02-23 stat.CO stat.ME
Instrumental Variable Bayesian Model Averaging via Conditional Bayes Factors
我们发展了一种方法来执行两阶段线性回归系统的模型平均值受到内消。我们的方法扩展了现有的吉布斯采样器的工具变量，将模型的不确定性的组成部分。在这种情况下，模型概率的直接评估是棘手的。我们表明，通过嵌套模型移动内的吉布斯采样器，模型比较可以通过条件贝叶斯因子，导致简单的计算。这个新的吉布斯采样器只是比原来的算法稍微多一点，并没有表现出混合困难的证据。最后，我们研究了两种不同的建模挑战：将不确定性纳入宏观经济增长的决定因素，并通过对零售价格的批发来估计需求函数。
2012-03-19 stat.AP stat.ME
Approximate Bayesian computation (ABC) coupled with Bayesian model averaging method for estimating mean and standard deviation
背景资料：我们提出了近似贝叶斯计算与单一分布选择（ABC-SD）估计平均值和标准差从其他报告的汇总统计量。ABC-SD从被认为是基础研究数据的真实分布的单个参数分布生成伪数据。该单一分布或者是有根据的猜测，或者是通过使用用于测试两个或更多个候选分布的后验概率标准的模型选择来选择的。进一步分析表明，当使用模型选择时，后验模型概率对参数的先验分布敏感，并依赖于报告的汇总统计量的类型。方法：我们提出了ABC与贝叶斯模型平均（ABC-BMA）的方法来估计平均值和标准差的基础上，在已发表的研究报告的各种其他汇总统计。我们进行了蒙特卡罗模拟研究，比较新提出的ABC-BMA方法与我们以前的ABC-SD方法。结果如下：在标准差的估计中，对于正态分布、对数正态分布、β分布和指数分布，ABC-BMA的平均相对误差（ARE）小于ABC-SD。对于韦布尔分布，在小样本量下，ABC-BMA的ARE大于ABC-SD的ARE，但小于0.05，并随着样本量的增加而趋于零。当基础分布高度偏态且可用汇总统计量仅为四分位数和样本量时，建议使用ABC-BMA，但应谨慎使用。ABC-BMA和ABC-SD之间的平均值估计的比较显示了与标准差估计相似的结果模式。结论：ABC-BMA易于实现，并且在估计均值和标准差方面优于我们以前的ABC-SD方法。
2016-07-11 stat.ME
Estimating the Spectral Density at Frequencies Near Zero
对于某些$w\in [-π, π]$，估计谱密度函数$f(w)$传统上通过对周期图进行核平滑和相关技术来执行。核平滑等同于局部平均，即，在小宽度的窗口上通过常数近似$f(w)$。虽然$f(w)$是一致连续的，周期与周期$2π$，在本文中，我们认识到的事实，$w=0$有效地作为一个边界点，在底层的内核平滑问题，和同样的是真实的$w=\pm π$。众所周知，在边界点处（或附近）的核回归中，局部平均可能是次优的。作为替代方案，我们提出了一个局部多项式回归的周期图或日志周期图时，$w$是在（或附近）的点0或$\pm π$。$w=0$案例特别重要，因为$f(0)$是样本均值的大样本方差;因此，为了对均值进行任何类型的推断，估计$f(0)$至关重要。
2022-08-03 stat.ME
Estimating the number of household TV profiles based in customer behaviour using Gaussian mixture model averaging
Hamilton Institute, Maynooth University（马尼特大学哈密尔顿研究所）；Department of Mathematics and Statistics, Maynooth University（马尼特大学数学与统计学系）；Ulster University（乌斯特大学）；British Telecommunications（英国电信）
针对家庭多人观看导致画像难识别的问题，提出高斯混合模型平均结合贝叶斯随机游走的框架，可估计家庭电视画像数量、特征演变及不确定性。
2025-05-15 cs.LG stat.ME
Peak-Persistence Diagrams for Estimating Shapes and Functions from Noisy Data
Florida State University（佛罗里达州立大学）
本文提出利用峰值持久图估计未知信号形状和自身，结合形状约束与部分对齐数据，平衡了无对齐和全弹性对齐两种方法，实现最优估计。
2023-05-08 stat.ME
Estimating Covariate Effects on Functional Connectivity using Voxel-Level fMRI Data
针对静息态fMRI功能连接分析中ROI平均法的局限，提出基于ROIs间经验体素级相关性及新正定协方差函数的两步估计程序，实现协变量效应的高效推断，模拟及ABIDE数据验证其有效性与优势。
2025-08-15 stat.AP stat.ME
Coarse-grained modeling of multiscale diffusions: the p-variation estimates
研究了多尺度扩散系统在平均化和均匀化条件下的极限方程参数估计问题，给出了相应多尺度系统的数据。首先，我们回顾了最近的一些结果，利用极限方程的最大似然。特别是，它已被证明，在平均的情况下，极大似然估计将是渐近一致的限制，而在均匀化的情况下，极大似然估计将是渐近一致的，只有当我们对数据进行二次抽样。然后，我们重点讨论了扩散系数的估计问题。我们提出了一种新的方法，利用总的$p$变化，定义在粗糙路径的理论，并避免了二次采样步骤。该方法被应用到一个多尺度离散过程。
2010-02-17 math.PR math.ST stat.ME
Inferring the Direction of a Causal Link and Estimating Its Effect via a Bayesian Mendelian Randomization Approach
使用遗传变异作为工具变量-一种称为孟德尔随机化的方法-是一种流行病学方法，用于估计暴露（表型、生物标志物、风险因素）对观察数据中疾病或健康相关结局的因果影响。工具变量必须满足强有力的、往往是不可检验的假设，这意味着在一大串潜在的候选者中找到好的遗传工具是具有挑战性的。这一困难由于许多遗传变异通过不同的因果途径影响一种以上的表型而变得更加复杂，这种现象称为水平多效性。这不仅会导致估计因果效应大小的错误，而且会导致推断假定因果联系方向的错误。在本文中，我们提出了一种贝叶斯方法称为BayesMR，这是一个推广的孟德尔随机化技术，我们允许多效性的影响，至关重要的是，反向因果关系的可能性。该方法的输出是目标因果效应的后验分布，它提供了估计中不确定性的直接且易于解释的测量。更重要的是，我们使用贝叶斯模型平均来确定推断方向相对于反向方向的可能性有多大。
2020-12-18 q-bio.GN q-bio.QM stat.AP
Estimating Factor-Based Spot Volatility Matrices with Noisy and Asynchronous High-Frequency Data
针对超大量资产的噪声异步高频数据，提出结合核加权预平均、局部主成分分析与POET核平滑的低秩加稀疏结构高维即期波动率矩阵估计方法，证明其一致性并通过模拟和实证验证性能。
2024-03-10 econ.EM stat.ME
Individualized treatment regimens under correlated data with multiple outcomes
针对竞争风险下最优个体化治疗方案估计难题，提出基于回归的双稳健方法并扩展至聚类数据，用于HCV阳性供肾分配分析。
2025-09-26 stat.ME
Holistic Multi-Scale Inference of the Leverage Effect: Efficiency under Dependent Microstructure Noise
School of Data Science, Fudan University（复旦大学数据科学学院）；Business Division, New York University Shanghai（纽约大学上海分校商学院）
本文提出了一种整体多尺度框架，通过子采样和平均方法及多尺度杠杆效应估计器，提升在依赖性微观结构噪声下的杠杆效应估计效率。
2026-02-10 econ.EM q-fin.ST stat.ME
Fast estimation of Kendall's Tau and conditional Kendall's Tau matrices under structural assumptions
本文提出在块结构假设下通过对成对估计值进行平均化来快速估计 Kendall's tau 和条件 Kendall's tau 矩阵的新方法，显著降低了计算成本和渐近方差，并在模拟和大型股票投资组合风险价值估计中验证了性能提升。
2024-12-27 math.ST q-fin.ST stat.ME
