Timothy Christensen 的一篇新论文提出了一种耦合标签引导方法，用于解决在经济回归中使用人工智能/机器学习生成的标签作为协变量时出现的普通最小二乘估计量中的偏差。研究强调，标准的固定标签引导方法通常无效，除非满足特定的独立性条件。提出的耦合标签引导方法联合重采样真实标签和推算标签，在不满足这些严格条件的情况下提供了更稳健的解决方案，并包含有限样本调整以提高准确性。这项工作通过模拟进行了说明，并应用于分析工资与远程工作状态之间的关系。 AI
影响 提供了一种统计方法，以提高包含人工智能生成数据标签的经济分析的可靠性。
排序理由 关于在经济回归中使用人工智能生成标签的统计方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2604.23770v1 Announce Type: cross Abstract: AI/ML methods are increasingly used in economics to generate binary variables (or labels) via classification algorithms. When these generated variables are included as covariates in regressions, even small misclassification errors…
AI/ML methods are increasingly used in economics to generate binary variables (or labels) via classification algorithms. When these generated variables are included as covariates in regressions, even small misclassification errors can induce large biases in OLS estimators and inv…
How to generate labels from scratch with semi, active, and weakly supervised learning.