Manuel Quintero Coronel

论文发现OBD统计方法对参考群体选择敏感

一篇新的arXiv论文探讨了Oaxaca-Blinder分解（OBD）这一统计工具，它用于区分由协变量或结果引起的群体差异。研究表明，在OBD中选择参考群体会导致实质上不同的结论，这种敏感性在复杂的回归模型（包括预训练Transformer）中更为明显。研究结果表明，大型数据集和现代机器学习并未从根本上解决这种结论逆转问题，这表明实践者应报告OBD的两个方向，并且需要进一步研究。