論文の概要: Welfare Analysis in Dynamic Models

• arxiv url: http://arxiv.org/abs/1908.09173v4
• Date: Wed, 07 May 2025 16:48:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-11 17:23:15.902765
• Title: Welfare Analysis in Dynamic Models
• Title（参考訳）: 動的モデルにおける福祉分析
• Authors: Victor Chernozhukov, Whitney Newey, Vira Semenova,
• Abstract要約: 本研究では,動的モデルを用いた福祉分析のためのメトリクスの推定と推定を行う。 福祉指標の例としては、平均的福祉、平均的限界的福祉効果、直接的および間接的な効果への福祉の分解がある。 偏見は、偏見補正の形式ではなく、利害の福祉基準に関する知識のみを必要とするという意味で、自動的である。
• 参考スコア（独自算出の注目度）: 4.534774470299186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces metrics for welfare analysis in dynamic models. We develop estimation and inference for these parameters even in the presence of a high-dimensional state space. Examples of welfare metrics include average welfare, average marginal welfare effects, and welfare decompositions into direct and indirect effects similar to Oaxaca (1973) and Blinder (1973). We derive dual and doubly robust representations of welfare metrics that facilitate debiased inference. For average welfare, the value function does not have to be estimated. In general, debiasing can be applied to any estimator of the value function, including neural nets, random forests, Lasso, boosting, and other high-dimensional methods. In particular, we derive Lasso and Neural Network estimators of the value function and associated dynamic dual representation and establish associated mean square convergence rates for these functions. Debiasing is automatic in the sense that it only requires knowledge of the welfare metric of interest, not the form of bias correction. The proposed methods are applied to estimate a dynamic behavioral model of teacher absenteeism in \cite{DHR} and associated average teacher welfare.
• Abstract（参考訳）: 本稿では,動的モデルにおける福祉分析の指標について紹介する。 我々は,高次元状態空間が存在する場合でも,これらのパラメータを推定および推定する。 福祉指標の例としては、平均福祉、平均限界福祉効果、Oaxaca (1973) や Blinder (1973) と同様の直接的および間接的な効果への福祉分解がある。 我々は、偏見推論を促進する福祉指標の二重かつ二重に頑健な表現を導出する。 平均的な福祉については、価値関数を見積もる必要はない。 一般に、デバイアスは、ニューラルネット、ランダムフォレスト、ラッソ、ブースティング、その他の高次元手法を含む、値関数のどの推定にも適用することができる。 特に、値関数と関連する動的双対表現のラッソとニューラルネットワーク推定器を導出し、それらの関数の平均二乗収束率を確立する。 偏見は、偏見補正の形式ではなく、利害の福祉基準の知識のみを必要とするという意味で、自動的である。 提案手法は,教師の不在者の動的行動モデルと関連する平均教師福祉を推定するために適用された。

関連論文リスト

• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Two-Point Deterministic Equivalence for Stochastic Gradient Dynamics in Linear Models [76.52307406752556]
  ランダムリゾルダーの2点関数に対する新しい決定論的等価性を導出する。 勾配勾配を有する多種多様な高次元学習線形モデルの性能を統一的に導出する。
  論文  参考訳（メタデータ） (2025-02-07T16:45:40Z)
• The Sample Complexity of Online Reinforcement Learning: A Multi-model Perspective [55.15192437680943]
  連続状態と行動空間を持つ非線形力学系に対するオンライン強化学習のサンプル複雑性について検討した。 我々のアルゴリズムは、その単純さ、事前知識を組み込む能力、そして良心的な過渡的行動のために、実際に有用である可能性が高い。
  論文  参考訳（メタデータ） (2025-01-27T10:01:28Z)
• Neural Time-Reversed Generalized Riccati Equation [60.92253836775246]
  ハミルトン方程式は、コストテートとして知られる補助変数を通して最適性の解釈を提供する。 本稿では,前向きに作業することを目的とした,新しいニューラルベースによる最適制御手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:29:37Z)
• Guaranteed Stable Quadratic Models and their applications in SINDy and Operator Inference [9.599029891108229]
  動的モデルを構築する演算子推論手法に着目する。 推論のために、適切な最適化問題を設定することによってモデルの演算子を学習することを目的とする。 本稿では,安定性の維持を図示する数値的な例をいくつか提示する。
  論文  参考訳（メタデータ） (2023-08-26T09:00:31Z)
• Choice Models and Permutation Invariance: Demand Estimation in Differentiated Products Markets [5.8429701619765755]
  ニューラルネットのような非パラメトリック推定器は、選択関数を簡単に近似できることを示す。 提案する関数は、完全にデータ駆動方式で、消費者の振る舞いを柔軟に捉えることができる。 我々の経験的分析により、推定器は現実的かつ同等の自己およびクロスプライス弾性を生成することが確認された。
  論文  参考訳（メタデータ） (2023-07-13T23:24:05Z)
• Measuring Implicit Bias Using SHAP Feature Importance and Fuzzy Cognitive Maps [1.9739269019020032]
  本稿では,特徴重要度の概念と暗黙バイアスをパターン分類の文脈で統合する。 保護された特徴に対するバイアスの量は、その特徴が数値的にか分類的に符号化されているかによって異なるかもしれない。
  論文  参考訳（メタデータ） (2023-05-16T12:31:36Z)
• Causal Analysis for Robust Interpretability of Neural Networks [0.2519906683279152]
  我々は、事前学習されたニューラルネットワークの因果効果を捉えるための頑健な介入に基づく手法を開発した。 分類タスクで訓練された視覚モデルに本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-15T18:37:24Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
  加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。 この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
  論文  参考訳（メタデータ） (2022-03-16T15:00:33Z)
• Single Trajectory Nonparametric Learning of Nonlinear Dynamics [8.438421942654292]
  力学系の1つの軌道が与えられた場合、非パラメトリック最小二乗推定器(LSE)の性能を解析する。 我々は最近開発された情報理論手法を活用し、非仮説クラスに対するLSEの最適性を確立する。 我々は、リプシッツ力学、一般化線形モデル、再生ケルネルヒルベルト空間(RKHS)のある種のクラスで記述される関数によって記述される力学など、実用上の関心のあるいくつかのシナリオを専門とする。
  論文  参考訳（メタデータ） (2022-02-16T19:38:54Z)
• Time varying regression with hidden linear dynamics [74.9914602730208]
  線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。 反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
  論文  参考訳（メタデータ） (2021-12-29T23:37:06Z)
• RieszNet and ForestRiesz: Automatic Debiased Machine Learning with Neural Nets and Random Forests [20.321142326706557]
  本稿では,線形汎関数オラクルのリース表現を自動学習する手法を提案する。 また,Riesz関数の局所線型表現を学習するランダムフォレスト法を提案する。
  論文  参考訳（メタデータ） (2021-10-06T19:29:20Z)
• PSD Representations for Effective Probability Models [117.35298398434628]
  最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。 我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。 本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
  論文  参考訳（メタデータ） (2021-06-30T15:13:39Z)
• Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
  暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。 ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。 本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-11T03:38:16Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Wasserstein-based fairness interpretability framework for machine learning models [0.2519906683279153]
  分類モデルと回帰モデルにおけるバイアスの測定と説明のための公正解釈可能性フレームワークを導入する。 We measure the model bias across the sub-population distributions in the model output using the Wasserstein metric。 非保護クラスに対するモデルと予測器の両方の優遇性を考慮に入れます。
  論文  参考訳（メタデータ） (2020-11-06T02:01:29Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• Estimating Structural Target Functions using Machine Learning and Influence Functions [103.47897241856603]
  統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。 このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。 我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
  論文  参考訳（メタデータ） (2020-08-14T16:48:29Z)
• Accurate Parameter Estimation for Risk-aware Autonomous Systems [0.0]
  本稿では,自律システムの動的モデルのパラメータを推定するためのスペクトル線に基づくアプローチについて述べる。 既存の文献では、力学系のすべての非モデル化された成分をガウス下雑音として扱っている。 提案手法は既存の文献と一致して$tildeO(sqrtT)$ regretを保証できることを示す。
  論文  参考訳（メタデータ） (2020-06-23T01:20:44Z)
• A maximum-entropy approach to off-policy evaluation in average-reward MDPs [54.967872716145656]
  この研究は、無限水平非カウントマルコフ決定過程(MDPs)における関数近似を伴うオフ・ポリティ・アセスメント(OPE)に焦点を当てる。 提案手法は,第1の有限サンプル OPE 誤差境界であり,既存の結果がエピソードおよびディスカウントケースを超えて拡張される。 この結果から,教師あり学習における最大エントロピー的アプローチを並列化して,十分な統計値を持つ指数関数型家族分布が得られた。
  論文  参考訳（メタデータ） (2020-06-17T18:13:37Z)
• Generalized Gumbel-Softmax Gradient Estimator for Various Discrete Random Variables [16.643346012854156]
  ノードの勾配を評価することは、深層生成モデリングコミュニティにおいて重要な研究課題の1つである。 本稿では,連続緩和を伴うGumbel-Softmax推定器の一般バージョンを提案する。
  論文  参考訳（メタデータ） (2020-03-04T01:13:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。