論文の概要: Agglomerative Hierarchical Clustering for Selecting Valid Instrumental Variables

• arxiv url: http://arxiv.org/abs/2101.05774v1
• Date: Thu, 14 Jan 2021 18:25:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 00:47:59.524224
• Title: Agglomerative Hierarchical Clustering for Selecting Valid Instrumental Variables
• Title（参考訳）: 有効な変数選択のための凝集型階層クラスタリング
• Authors: Nicolas Apfel and Xiaoran Liang
• Abstract要約: 集約型階層クラスタリング法とHansen-Sarganオーバーアイデンティティテストを組み合わせた計測変数(IV)選択法を提案する。 複数のルールの下では,oracle の選択と推定結果を実現できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an instrumental variable (IV) selection procedure which combines the agglomerative hierarchical clustering method and the Hansen-Sargan overidentification test for selecting valid instruments for IV estimation from a large set of candidate instruments. Some of the instruments may be invalid in the sense that they may fail the exclusion restriction. We show that under the plurality rule, our method can achieve oracle selection and estimation results. Compared to the previous IV selection methods, our method has the advantages that it can deal with the weak instruments problem effectively, and can be easily extended to settings where there are multiple endogenous regressors and heterogenous treatment effects. We conduct Monte Carlo simulations to examine the performance of our method, and compare it with two existing methods, the Hard Thresholding method (HT) and the Confidence Interval method (CIM). The simulation results show that our method achieves oracle selection and estimation results in both single and multiple endogenous regressors settings in large samples when all the instruments are strong. Also, our method works well when some of the candidate instruments are weak, outperforming HT and CIM. We apply our method to the estimation of the effect of immigration on wages in the US.
• Abstract（参考訳）: 本稿では,集合的階層的クラスタリング法とハンセン・サーガンオーソライゼーションテストを組み合わせることで,多数の候補機器からIV推定のための有効な機器を選択するための機器変数(IV)選択手法を提案する。 一部の楽器は、排他制限に失敗する可能性があるという意味で無効である。 複数のルールの下では,oracle の選択と推定結果を実現できることを示す。 従来のiv選択法と比較して,弱い計器問題に対して効果的に対処できるという利点があり,複数の内因性レグレプターや異種治療効果がある場合にも容易に拡張できる。 モンテカルロシミュレーションを行い,本手法の性能について検討し,ハードしきい値法 (ht) と信頼区間法 (cim) の2つの既存手法と比較した。 シミュレーションの結果,全ての楽器が強い場合, 単一および複数の内因性回帰器の設定において, オラクルの選択と推定結果が得られた。 また,提案手法は,HTやCIMよりも優れた,いくつかの候補楽器が弱い場合にも有効である。 本手法を,米国における移民の賃金に対する影響の推定に適用する。

関連論文リスト

• Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars [66.823588073584]
  大規模言語モデル(LLM)は、現実世界のアプリケーションで印象的な機能を示している。 これらの卓越した作品の品質は、パフォーマンスに大きな影響を与えます。 既存の方法は、先行注文がパフォーマンスに与える影響を適切に説明できない。
  論文  参考訳（メタデータ） (2024-05-25T08:23:05Z)
• Regularized DeepIV with Model Selection [72.17508967124081]
  正規化DeepIV(RDIV)回帰は最小ノルムIV解に収束することができる。 我々の手法は現在の最先端の収束率と一致している。
  論文  参考訳（メタデータ） (2024-03-07T05:38:56Z)
• Causal Inference with Conditional Instruments using Deep Generative Models [21.771832598942677]
  標準IVは、処理変数と関係があり、システム内の他のすべての変数とは独立していると期待されている。 変数を変数の集合に条件付けするための条件付きIV(CIV)法が提案されている。 平均因果効果推定のために,CIVの表現とその条件セットを,潜伏した共同設立者とのデータから学習することを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:31:54Z)
• ProSiT! Latent Variable Discovery with PROgressive SImilarity Thresholds [35.09631990817093]
  ProSiTは決定論的かつ解釈可能な手法であり、遅延次元の最適数を求める。 ほとんどの設定では、ProSiTはトピックのコヒーレンスと特異性の観点から他のメソッドにマッチするか、性能を上回ります。
  論文  参考訳（メタデータ） (2022-10-26T14:52:44Z)
• Instruction Tuning for Few-Shot Aspect-Based Sentiment Analysis [72.9124467710526]
  生成的アプローチは、テキストから(1つ以上の)4つの要素を1つのタスクとして抽出するために提案されている。 本稿では,ABSAを解くための統一的なフレームワークと,それに関連するサブタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-12T23:38:57Z)
• ASTra: A Novel Algorithm-Level Approach to Imbalanced Classification [0.0]
  本稿では,ASTra という新しい出力層活性化関数を提案する。 これを損失関数と組み合わせることで、マイノリティの誤分類を効果的に狙うことができます。 2から12個の隠れユニットを持つニューラルネットワークを用いた実験は、最近の研究で得られた同等の結果と同等か、同等か、それ以上のものであることが示されている。
  論文  参考訳（メタデータ） (2022-09-04T20:05:21Z)
• On the instrumental variable estimation with many weak and invalid instruments [1.837552179215311]
  楽器変数(IV)モデルにおける計算の基本的な問題点について検討する。 スパースペナルティ構造と等価な「スパース特性」を仮定し,サロゲートステップ同定法の利点を検証し,証明する。 スパース同定条件に整合した代理ステップ選択推定法を提案する。
  論文  参考訳（メタデータ） (2022-07-07T01:31:34Z)
• Active Learning by Feature Mixing [52.16150629234465]
  本稿では,ALFA-Mixと呼ばれるバッチ能動学習手法を提案する。 予測の不整合を求めることにより,不整合な特徴を持つインスタンスを同定する。 これらの予測の不整合は、モデルが未認識のインスタンスで認識できない特徴を発見するのに役立ちます。
  論文  参考訳（メタデータ） (2022-03-14T12:20:54Z)
• A Lagrangian Duality Approach to Active Learning [119.36233726867992]
  トレーニングデータのサブセットのみをラベル付けするバッチアクティブな学習問題を考察する。 制約付き最適化を用いて学習問題を定式化し、各制約はラベル付きサンプルにモデルの性能を拘束する。 数値実験により,提案手法は最先端の能動学習法と同等かそれ以上に機能することを示した。
  論文  参考訳（メタデータ） (2022-02-08T19:18:49Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)

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。