論文の概要: Free Discontinuity Design: With an Application to the Economic Effects
of Internet Shutdowns
- arxiv url: http://arxiv.org/abs/2309.14630v1
- Date: Tue, 26 Sep 2023 02:49:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 15:03:54.865831
- Title: Free Discontinuity Design: With an Application to the Economic Effects
of Internet Shutdowns
- Title(参考訳): 自由不連続設計:インターネット遮断の経済効果への適用
- Authors: Florian Gunsilius and David Van Dijcke
- Abstract要約: 本研究では, 回帰面を滑らかで不連続な部分に分割することで, 結果の不連続性を推定する非パラメトリック手法を提案する。
インドにおけるインターネットの閉鎖は、経済活動の50%以上を減らし、これまでの予測を大きく上回ったと見積もっている。
- 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: Thresholds in treatment assignments can produce discontinuities in outcomes,
revealing causal insights. In many contexts, like geographic settings, these
thresholds are unknown and multivariate. We propose a non-parametric method to
estimate the resulting discontinuities by segmenting the regression surface
into smooth and discontinuous parts. This estimator uses a convex relaxation of
the Mumford-Shah functional, for which we establish identification and
convergence. Using our method, we estimate that an internet shutdown in India
resulted in a reduction of economic activity by over 50%, greatly surpassing
previous estimates and shedding new light on the true cost of such shutdowns
for digital economies globally.
- Abstract(参考訳): 治療課題の閾値は結果の不連続を生じさせ、因果的洞察を明らかにする。
地理的設定のような多くのコンテキストでは、これらのしきい値が未知で多変量である。
回帰面を滑らかで不連続な部分に分割することで,結果の不連続性を推定する非パラメトリック手法を提案する。
この推定子はムムフォード・シャー函数の凸緩和を使い、同定と収束を確立する。
本研究では,インドにおけるインターネットのシャットダウンによって経済活動が50%以上減少し,これまでの推計を大きく上回り,世界規模のデジタル経済におけるシャットダウンの真のコストに新たな光を当てた。
関連論文リスト
- Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。
オラクル形式は影響関数の一貫した近似であることを示す。
次に、平均二乗誤差の観点から総合収束解析を行う。
論文 参考訳(メタデータ) (2023-09-22T12:18:53Z) - Streaming Sparse Linear Regression [1.8707139489039097]
本稿では,データポイントが逐次到着したときのストリーミングデータを解析する新しいオンライン疎線形回帰フレームワークを提案する。
提案手法はメモリ効率が高く,厳密な制約付き凸性仮定を必要とする。
論文 参考訳(メタデータ) (2022-11-11T07:31:55Z) - Structural Sieves [0.0]
特に, あるディープネットワークは, 近似回帰関数に対する非パラメトリックシーブとして好適であることを示す。
このような制約は、潜在変数モデルの十分に柔軟なバージョンが、実際には未知の回帰関数を近似するために使用される場合、より簡単な方法で課されることを示す。
論文 参考訳(メタデータ) (2021-12-01T16:37:02Z) - Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing
Regressions In NLP Model Updates [68.09049111171862]
この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。
回帰フリーモデル更新を制約付き最適化問題に定式化する。
モデルアンサンブルが回帰を減らす方法を実証的に分析します。
論文 参考訳(メタデータ) (2021-05-07T03:33:00Z) - Learning Probabilistic Ordinal Embeddings for Uncertainty-Aware
Regression [91.3373131262391]
不確かさが唯一の確実性である。
伝統的に、直接回帰定式化を考慮し、ある確率分布の族に出力空間を変更することによって不確実性をモデル化する。
現在のレグレッション技術における不確実性をモデル化する方法は、未解決の問題である。
論文 参考訳(メタデータ) (2021-03-25T06:56:09Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳(メタデータ) (2021-03-23T17:48:56Z) - Online nonparametric regression with Sobolev kernels [99.12817345416846]
我々は、ソボレフ空間のクラス上の後悔の上限を$W_pbeta(mathcalX)$, $pgeq 2, beta>fracdp$ とする。
上界は minimax regret analysis で支えられ、$beta> fracd2$ または $p=infty$ の場合、これらの値は(本質的に)最適である。
論文 参考訳(メタデータ) (2021-02-06T15:05:14Z) - Ridge Regression Revisited: Debiasing, Thresholding and Bootstrap [4.142720557665472]
リッジレグレッションは、デバイアスとしきい値の設定の後、Lassoに対していくつかの利点をもたらすので、見直す価値があるかもしれない。
本稿では,デバイアス付き及びしきい値付きリッジ回帰法を定義し,一貫性とガウス近似の定理を証明した。
推定に加えて予測の問題も考慮し,予測間隔に合わせた新しいハイブリッドブートストラップアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-09-17T05:04:10Z) - New Insights into Learning with Correntropy Based Regression [3.066157114715031]
本研究では,コレントロピーに基づく回帰回帰が条件付きモード関数や条件付き平均関数に対して一定の条件下で頑健に働くことを示す。
また,条件付き平均関数を学習する際の新しい結果も提示する。
論文 参考訳(メタデータ) (2020-06-19T21:14:34Z) - Censored Quantile Regression Forest [81.9098291337097]
我々は、検閲に適応し、データが検閲を示さないときに量子スコアをもたらす新しい推定方程式を開発する。
提案手法は, パラメトリックなモデリング仮定を使わずに, 時間単位の定量を推定することができる。
論文 参考訳(メタデータ) (2020-01-08T23:20:23Z)
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。