econometrics
PulseAugur coverage of econometrics — every cluster mentioning econometrics across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究探索非结构化数据和处理的因果推断 · 跟踪3个来源
三篇最新的arXiv论文探讨了因果推断的先进技术，超越了传统的标量结果和处理。其中一篇论文将最优输运作为观测数据因果推断的基础元素，旨在统一统计学和计量经济学之间的语言。另一篇论文提出了一种针对非结构化结果（如文本或图像）的因果推断方法，通过识别受处理影响的“最大对比特征”。第三篇论文处理非结构化处理，定义了一个“最大影响特征”，以了解处理的哪些方面（例如课程描述）对结果影响最大。
-
经济学家为预训练嵌入开发理论框架
研究人员开发了在计量经济学中使用预训练深度学习嵌入的理论框架，解决了模型在不同数据集或任务上训练的挑战。该论文提供了可靠使用的条件并分析了估计误差，推导了预训练嵌入模型收敛的速率。该方法通过在双重机器学习中的应用得到证明，用于估计部分线性回归中的参数、使用图像和文本数据的需求估计、缺失数据插补以及具有非结构化混淆变量的平均处理效应估计。
-
新的计量经济学方法处理非线性AI暴露测量
研究人员开发了一种新的统计方法，用于在观测测量值是潜在变量的非线性函数时识别潜在回归量。该技术在计量经济学等领域特别有用，在这些领域中，对复杂因素（如职业暴露于人工智能）的直接测量具有挑战性。该方法为结构系数提供了闭式区间，该区间对未知的源载荷不变，并且可以通过足够多的测量值进行估计。
-
新的计量经济学论文详细介绍了公平性-准确性前沿推断
本文介绍了一种识别和推断公平性-准确性前沿的方法，这是计量经济学中的一个关键概念。所提出的技术允许进行假设检验和构建该前沿的置信集，特别是在结果数据仅对部分个体可用时。研究对特定选择过程和损失度量下的FA-前沿的识别区域进行了表征，目前正在扩展到更广泛的损失函数。
-
去偏 ML：Neyman 正交分数指导 Riesz 回归以实现更好的平衡
本文提出，去偏机器学习中的平衡函数应源自 Neyman 正交分数，而不是仅仅依赖协变量。作者认为，虽然协变量平衡适用于回归误差仅取决于协变量的情况，但在异质性处理效应的情况下，它可能会导致特定于处理的组件不平衡。他们主张使用基于完整回归量基函数的 Riesz 回归进行回归量平衡，作为去偏机器学习的一个更普遍的原则。
-
研究人员提出用于经济学中人工智能生成标签的新引导方法
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…