論文の概要: Multidimensional Interactive Fixed-Effects
- arxiv url: http://arxiv.org/abs/2209.11691v1
- Date: Fri, 23 Sep 2022 16:11:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 17:38:56.385254
- Title: Multidimensional Interactive Fixed-Effects
- Title(参考訳): 多次元インタラクティブ固定効果
- Authors: Hugo Freeman
- Abstract要約: 本稿では,3次元以上の多次元パネルデータに対する線形かつ付加的に分離可能なモデルについて検討する。
- 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 studies a linear and additively separable model for
multidimensional panel data of three or more dimensions with unobserved
interactive fixed effects. Two approaches are considered to account for these
unobserved interactive fixed-effects when estimating coefficients on the
observed covariates. First, the model is embedded within the standard
two-dimensional panel framework and restrictions are derived under which the
factor structure methods in Bai (2009) lead to consistent estimation of model
parameters. The second approach considers group fixed-effects and kernel
methods that are more robust to the multidimensional nature of the problem.
Theoretical results and simulations show the benefit of standard
two-dimensional panel methods when the structure of the interactive
fixed-effect term is known, but also highlight how the group fixed-effects and
kernel methods perform well without knowledge of this structure. The methods
are implemented to estimate the demand elasticity for beer under a handful of
models for demand.
- Abstract(参考訳): 本稿では,3次元以上の多次元パネルデータに対する線形かつ付加的に分離可能なモデルについて検討する。
2つのアプローチは、観測された共変量に対する係数を推定する際に、観測されていない対話的固定効果を考慮に入れていると考えられる。
第一に、モデルは標準の2次元パネルフレームワークに埋め込まれており、制限はbai (2009) の因子構造メソッドがモデルパラメータの一貫した推定に繋がる下で導出される。
第二のアプローチは、問題の多次元の性質に対してより堅牢なグループ固定効果とカーネルメソッドを考えることである。
理論的な結果とシミュレーションは、対話型固定効果項の構造が知られている場合の標準的な2次元パネル法の利点を示すが、グループ固定効果とカーネル法は、この構造を知らずにどのように機能するかを強調する。
本手法は,ビールの需要弾力性を,需要に対する少数のモデルに基づいて推定する。
関連論文リスト
- Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。
CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。
CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
論文 参考訳(メタデータ) (2024-02-05T03:25:04Z) - Data-Driven Model Selections of Second-Order Particle Dynamics via
Integrating Gaussian Processes with Low-Dimensional Interacting Structures [0.9821874476902972]
我々は、一般の2階粒子モデルにおけるデータ駆動的な発見に焦点を当てる。
本稿では、2つの実世界の魚の動きデータセットのモデリングへの応用について述べる。
論文 参考訳(メタデータ) (2023-11-01T23:45:15Z) - On the Embedding Collapse when Scaling up Recommendation Models [56.86200867149761]
拡大モデルの埋め込み層について検討し, 埋没崩壊現象を同定した。
本稿では,組込みセット固有の相互作用モジュールを組み込んだ,シンプルで効果的なマルチ埋め込み設計を提案する。
論文 参考訳(メタデータ) (2023-10-06T17:50:38Z) - Linked shrinkage to improve estimation of interaction effects in
regression models [0.0]
回帰モデルにおける双方向相互作用項によく適応する推定器を開発する。
我々は,選択戦略では難しい推論モデルの可能性を評価する。
私たちのモデルは、かなり大きなサンプルサイズであっても、ランダムな森林のような、より高度な機械学習者に対して非常に競争力があります。
論文 参考訳(メタデータ) (2023-09-25T10:03:39Z) - A Unified Model and Dimension for Interactive Estimation [20.39351301232109]
モデルにおける学習可能性を大きく捉えた異種性次元(dissimilarity dimension)という尺度を導入する。
このフレームワークは,統計的クエリ学習と構造化帯域幅の2つの古典的学習モデルを仮定し,統一することを示す。
論文 参考訳(メタデータ) (2023-06-09T18:21:04Z) - Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。
Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。
LASSO を用いて Model-to-Match フレームワークを運用する。
論文 参考訳(メタデータ) (2023-02-23T00:43:03Z) - ProjB: An Improved Bilinear Biased ProjE model for Knowledge Graph
Completion [1.5576879053213302]
この研究は、計算の複雑さが低く、モデル改善の可能性が高いため、ProjE KGEを改善する。
FB15KやWN18のようなベンチマーク知識グラフ(KG)の実験結果から、提案手法はエンティティ予測タスクにおける最先端モデルよりも優れていることが示された。
論文 参考訳(メタデータ) (2022-08-15T18:18:05Z) - Towards Robust and Adaptive Motion Forecasting: A Causal Representation
Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。
我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。
合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文 参考訳(メタデータ) (2021-11-29T18:59:09Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳(メタデータ) (2021-09-06T14:52:58Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - Towards a Better Understanding of Linear Models for Recommendation [28.422943262159933]
2つの基本回帰および行列分解法に対する閉形式解の導出と解析を行う。
閉形式解に対するパラメータ(ハイパーパラメータ)の探索に新しい学習アルゴリズムを導入する。
実験の結果、基本モデルとその閉形式解は、確かに最先端モデルと非常に競合することを示した。
論文 参考訳(メタデータ) (2021-05-27T04:17:04Z)
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。