論文の概要: Testing Overidentifying Restrictions with High-Dimensional Data and
Heteroskedasticity
- arxiv url: http://arxiv.org/abs/2205.00171v1
- Date: Sat, 30 Apr 2022 06:13:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 16:01:23.353889
- Title: Testing Overidentifying Restrictions with High-Dimensional Data and
Heteroskedasticity
- Title(参考訳): 高次元データとヘテロケシュタリティを用いた過度同定制限の検証
- Authors: Qingliang Fan, Zijian Guo, Ziwei Mei
- Abstract要約: 本稿では,高次元データを用いた過剰識別制約(Qテスト)を提案する。
ヘテロスケダスティック性の下では、所望の大きさとパワー特性を持つことが示されている。
貿易・経済成長ネクサスの実証的な例は、提案試験の有用性を示している。
- 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: This paper proposes a new test of overidentifying restrictions (called the Q
test) with high-dimensional data. This test is based on estimation and
inference for a quadratic form of high-dimensional parameters. It is shown to
have the desired asymptotic size and power properties under heteroskedasticity,
even if the number of instruments and covariates is larger than the sample
size. Simulation results show that the new test performs favorably compared to
existing alternative tests (Chao et al., 2014; Kolesar, 2018; Carrasco and
Doukali, 2021) under the scenarios when those tests are feasible or not. An
empirical example of the trade and economic growth nexus manifests the
usefulness of the proposed test.
- Abstract(参考訳): 本稿では,高次元データを用いた過剰識別制約(Qテスト)を提案する。
このテストは、高次元パラメータの二次形式の推定と推定に基づいている。
測定器数や共変量のサイズがサンプルサイズよりも大きい場合でも, ヘテロスクレースティック性下では所望の漸近的サイズと電力特性を有することが示されている。
シミュレーションの結果、既存の代替テスト(Chao et al., 2014; Kolesar, 2018; Carrasco and Doukali, 2021)と比較して、これらのテストが実現可能かどうかのシナリオ下で、新しいテストが好適に動作することが示された。
貿易・経済成長ネクサスの実証的な例は、提案試験の有用性を示している。
関連論文リスト
- Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳(メタデータ) (2023-11-01T04:41:16Z) - Bootstrapped Edge Count Tests for Nonparametric Two-Sample Inference
Under Heterogeneity [5.8010446129208155]
両試料間の差異を正確に検出する新しい非パラメトリック試験法を開発した。
オンラインゲームにおけるユーザ行動検出のための総合シミュレーション研究と応用により,提案試験の非漸近性能が向上したことを示す。
論文 参考訳(メタデータ) (2023-04-26T22:25:44Z) - Model-Free Sequential Testing for Conditional Independence via Testing
by Betting [8.293345261434943]
提案されたテストでは、任意の依存関係構造を持つ入ってくるi.d.データストリームを分析できる。
重要な結果が検出されれば,オンライン上でのデータポイントの処理を可能とし,データ取得を停止する。
論文 参考訳(メタデータ) (2022-10-01T20:05:33Z) - A Simple Unified Approach to Testing High-Dimensional Conditional
Independences for Categorical and Ordinal Data [0.26651200086513094]
条件独立テスト(CI)は、因果推論におけるモデルテストと構造学習に多くのアプローチをとる。
分類データと順序データのための既存のCIテストは、条件変数によってサンプルを階層化し、各層で単純な独立テストを実行し、結果を組み合わせる。
本稿では,高次元における適切なキャリブレーションとパワーを維持するための,順序データと分類データに対する簡易な統合CIテストを提案する。
論文 参考訳(メタデータ) (2022-06-09T08:56:12Z) - Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。
信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。
また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
論文 参考訳(メタデータ) (2022-04-06T06:39:40Z) - Comparing Test Sets with Item Response Theory [53.755064720563]
我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。
Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。
また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
論文 参考訳(メタデータ) (2021-06-01T22:33:53Z) - Significance tests of feature relevance for a blackbox learner [6.72450543613463]
ブラックボックス学習者の特徴関連性に関する2つの一貫した試験を導出する。
第1は、推論サンプルの摂動による損失差を評価する。
2つ目は推論サンプルを2つに分割するが、データの摂動は必要ない。
論文 参考訳(メタデータ) (2021-03-02T00:59:19Z) - Two-Sample Testing on Ranked Preference Data and the Role of Modeling
Assumptions [57.77347280992548]
本稿では,ペアワイズ比較データとランキングデータのための2サンプル試験を設計する。
私たちのテストでは、基本的に分布に関する仮定は必要ありません。
実世界のペアワイズ比較データに2サンプルテストを適用することで、人によって提供される評価とランキングは、実際は異なる分散である、と結論付ける。
論文 参考訳(メタデータ) (2020-06-21T20:51:09Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳(メタデータ) (2020-04-26T23:41:33Z) - A Kernel Stein Test for Comparing Latent Variable Models [48.32146056855925]
本稿では、相対的適合性を示すカーネルベースの非パラメトリックテストを提案する。このテストの目的は、2つのモデルを比較することである。
本試験は, モデルから得られたサンプルに基づいて, 潜伏構造を利用せず, 相対的な最大平均離散性試験よりも有意に優れていることを示す。
論文 参考訳(メタデータ) (2019-07-01T07:46:16Z) - Nonparametric Inference under B-bits Quantization [5.958064620718292]
そこで本研究では,B$ビットに量子化されたサンプルに基づく非パラメトリック試験手法を提案する。
特に、B$が一定の閾値を超えると、提案した非パラメトリックテスト手順が古典的なミニマックステスト率を達成することを示す。
論文 参考訳(メタデータ) (2019-01-24T18:43:16Z)
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。