論文の概要: Spectral Clustering with Variance Information for Group Structure Estimation in Panel Data

• arxiv url: http://arxiv.org/abs/2201.01793v2
• Date: Thu, 8 Feb 2024 16:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 21:50:26.398017
• Title: Spectral Clustering with Variance Information for Group Structure Estimation in Panel Data
• Title（参考訳）: 変動情報を用いたパネルデータのグループ構造推定のためのスペクトルクラスタリング
• Authors: Lu Yu, Jiaying Gu, Stanislav Volgushev
• Abstract要約: まず、各係数の推定値のばらつきがグループ構造の推定に有用な情報を含んでいることを示す局所解析を行う。 次に、分散情報を明示的に考慮した一般的なパネルデータモデルに対して、観測不能なグルーピングを推定する手法を提案する。
• 参考スコア（独自算出の注目度）: 7.712669451925186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consider a panel data setting where repeated observations on individuals are available. Often it is reasonable to assume that there exist groups of individuals that share similar effects of observed characteristics, but the grouping is typically unknown in advance. We first conduct a local analysis which reveals that the variances of the individual coefficient estimates contain useful information for the estimation of group structure. We then propose a method to estimate unobserved groupings for general panel data models that explicitly account for the variance information. Our proposed method remains computationally feasible with a large number of individuals and/or repeated measurements on each individual. The developed ideas can also be applied even when individual-level data are not available and only parameter estimates together with some quantification of estimation uncertainty are given to the researcher. A thorough simulation study demonstrates superior performance of our method than existing methods and we apply the method to two empirical applications.
• Abstract（参考訳）: 個人に対する繰り返し観察が可能なパネルデータセットを考えてみましょう。 観察された特徴の類似した効果を共有できる個体群が存在すると仮定するのは理にかなっているが、そのグループ化は概して事前に不明である。 まず、各係数の推定値のばらつきがグループ構造の推定に有用な情報を含んでいることを示す局所解析を行う。 次に, 分散情報を明示的に考慮した一般パネルデータモデルに対して, 監視されていないグループを推定する手法を提案する。 提案手法は, 多数の個体および/または各個体の繰り返し測定により, 計算可能なままである。 また,個人レベルのデータが利用できない場合でも,パラメータ推定と推定の不確実性の定量化を併用して適用することができる。 本手法は従来の手法よりも優れた性能を示し,本手法を2つの経験的応用に適用する。

関連論文リスト

• A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
  分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。 非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-26T14:21:45Z)
• Model-based Clustering of Individuals' Ecological Momentary Assessment Time-series Data for Improving Forecasting Performance [5.312303275762104]
  類似した個人の追加情報は、これらのモデルを強化し、より良い個人の説明につながる可能性が高いと考えられている。 2つのモデルに基づくクラスタリング手法について検討し、まずパーソナライズされたモデルのモデル抽出パラメータを用いた。 クラスタリングに基づく手法の優位性が確認され、グループベースの情報の利用により、すべての個人データの全体的なパフォーマンスが効果的に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-11T13:39:04Z)
• Beyond Normal: On the Evaluation of Mutual Information Estimators [52.85079110699378]
  そこで本研究では,既知の地道的相互情報を用いて,多種多様な分布群を構築する方法について述べる。 本稿では,問題の難易度に適応した適切な推定器の選択方法について,実践者のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-06-19T17:26:34Z)
• Estimating Structural Disparities for Face Models [54.062512989859265]
  機械学習では、異なるサブ人口間でのモデルの性能や結果の差を測定することで、しばしば異質度の測定が定義される。 本研究では、人間の顔に訓練されたコンピュータビジョンモデルや、顔属性予測や影響推定などのタスクについて、そのような分析を行う。
  論文  参考訳（メタデータ） (2022-04-13T05:30:53Z)
• Combining Observational and Randomized Data for Estimating Heterogeneous Treatment Effects [82.20189909620899]
  不均一な治療効果を推定することは、多くの領域において重要な問題である。 現在、現存するほとんどの作品は観測データにのみ依存している。 本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
  論文  参考訳（メタデータ） (2022-02-25T18:59:54Z)
• Recommendations for Bayesian hierarchical model specifications for case-control studies in mental health [0.0]
  研究者は、すべての被験者が共通の集団から引き出されたと仮定するか、またはそれらを別の集団から派生したものとしてモデル化するかを選択する必要がある。 一般的に使用される帯域幅タスクから合成多群行動データに対する系統シミュレーションを行った。 適合群は,全ての条件において,最も正確かつ堅牢な推論を別々に提供した。
  論文  参考訳（メタデータ） (2020-11-03T14:19:59Z)
• Robust Recursive Partitioning for Heterogeneous Treatment Effects with Uncertainty Quantification [84.53697297858146]
  治療効果のサブグループ分析は、医療から公共政策、レコメンデーターシステムへの応用において重要な役割を担っている。 サブグループ分析の現在の手法のほとんどは、個別化処理効果(ITE)を推定するための特定のアルゴリズムから始まる。 本稿では、これらの弱点に対処する新しい部分群解析法R2Pを開発する。
  論文  参考訳（メタデータ） (2020-06-14T14:50:02Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)
• Adaptive Discrete Smoothing for High-Dimensional and Nonlinear Panel Data [4.550919471480445]
  我々は高次元および非線形パネルデータモデルのためのデータ駆動平滑化手法を開発した。 重みはデータ駆動方式で決定され、対応する関数間の類似性に依存する。 我々は,推定器を用いて予測を大幅に改善できることを示すシミュレーション研究を行った。
  論文  参考訳（メタデータ） (2019-12-30T09:50:58Z)

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。