实体
Robins et al.
Robins et al.
PulseAugur coverage of Robins et al. — every cluster mentioning Robins et al. across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
提出新的稳定高阶估计量用于统计理论
本文介绍了一种新的稳定高阶统计泛函估计量，旨在改进现有方法在数值稳定性或需要复杂密度估计方面存在的不足。所提出的方法绕过了样本分割和密度估计，提供了更稳定的有限样本性能，同时保持了相似的统计保证。该工作建立在先前关于高阶影响函数的研究基础上，该函数提供了一个用于构建速率最优点估计的统一框架。
-
新研究识别出因果估计中的两层不稳定性
一篇新发表在arXiv上的研究论文详细介绍了从观测数据进行因果估计所固有的两层不稳定性。第一层不稳定性，即先前已识别出的，表明因果效应可能随着数据分布的微小变化而不连续。该论文引入了第二层不稳定性，它依赖于所使用的特定估计器，并证明许多标准的点估计可能代表结构因果模型上的多峰分布，从而导致数据分布的不连续跳跃。这表明估计器的稳定性与其隐式损失函数是否与因果效应本身对齐有关，其中逆概率加权和回归估计器是离散摘要的例子，而后验均值和中位数则是连续的。
-
新的校准预测驱动推断方法改进了半监督均值估计
研究人员开发了一种名为校准预测驱动推断（CalPPI）的新方法，以改进半监督均值估计。该技术涉及在使用大量无标签数据集之前，先使用少量有标签数据集对预测分数进行事后校准。该方法旨在提高预测准确性和半监督估计的效率，尤其是在预测分数与结果尺度不完全一致时。实验表明，CalPPI 通常优于 PPI 等现有方法，并且与 AIPW 和 PPI++ 相比具有竞争力或更优。