PulseAugur
实时 05:45:12
English(EN) From Structural Equation Modelling to Double Machine Learning: Robustness Analysis for Survey-Based Research

新框架增强了基于调查的研究的稳健性分析

本文介绍了一种分析基于调查的研究结果稳健性的新颖框架。它整合了结构方程模型(SEM)、双重机器学习(DML)和普通最小二乘(OLS)回归,以评估不同估计技术下关系保持的稳定性。该方法论在金融科技数字客户亲密度模型上进行了演示,帮助研究人员识别哪些发现得到了持续支持,哪些需要更谨慎的解释。 AI

影响 为验证基于调查的研究结果提供了一种更严谨的方法,可能增加对机器学习技术衍生结果的信心。

排序理由 该项目是一篇学术论文,详细介绍了一种新的统计分析方法。 [lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架增强了基于调查的研究的稳健性分析

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ranga Chimhundu ·

    从结构方程模型到双重机器学习:基于调查的研究的稳健性分析

    Structural equation modelling (SEM) is widely used in survey-based business and information systems research to assess latent constructs and theory-driven structural relationships. However, SEM path significance is obtained within a particular model specification and may not show…