論文の概要: Weak instrumental variables due to nonlinearities in panel data: A Super Learner Control Function estimator
- arxiv url: http://arxiv.org/abs/2504.03228v1
- Date: Fri, 04 Apr 2025 07:22:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-07 14:47:47.186339
- Title: Weak instrumental variables due to nonlinearities in panel data: A Super Learner Control Function estimator
- Title（参考訳）: パネルデータの非線形性による弱器用変数:超学習者制御関数推定器
- Authors: Monika Avila Marquez,
- Abstract要約: 加法的に分離可能な個々の固定効果を持つパネルデータに対する三角同時方程式モデルを提案する。
推定手順は2つの主要なステップとサンプル分割から構成される。
2SLS推定器では,スーパーラーナー制御関数推定器が有意に優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: A triangular structural panel data model with additive separable individual-specific effects is used to model the causal effect of a covariate on an outcome variable when there are unobservable confounders with some of them time-invariant. In this setup, a linear reduced-form equation might be problematic when the conditional mean of the endogenous covariate and the instrumental variables is nonlinear. The reason is that ignoring the nonlinearity could lead to weak instruments As a solution, we propose a triangular simultaneous equation model for panel data with additive separable individual-specific fixed effects composed of a linear structural equation with a nonlinear reduced form equation. The parameter of interest is the structural parameter of the endogenous variable. The identification of this parameter is obtained under the assumption of available exclusion restrictions and using a control function approach. Estimating the parameter of interest is done using an estimator that we call Super Learner Control Function estimator (SLCFE). The estimation procedure is composed of two main steps and sample splitting. We estimate the control function using a super learner using sample splitting. In the following step, we use the estimated control function to control for endogeneity in the structural equation. Sample splitting is done across the individual dimension. We perform a Monte Carlo simulation to test the performance of the estimators proposed. We conclude that the Super Learner Control Function Estimators significantly outperform Within 2SLS estimators.
- Abstract（参考訳）: 加法的に分離可能な個別効果を持つ三角パネルデータモデルを用いて、共変量による結果変数に対する因果効果をモデル化する。
このセットアップでは、内在的共変量と楽器変数の条件平均が非線形である場合、線形還元形式方程式は問題となるかもしれない。
その理由は、非線形性を無視すると弱い計器に繋がる可能性があるためである 解として、非線形還元形式方程式を持つ線形構造方程式からなる追加の分離可能な個別固定効果を持つパネルデータに対する三角同時方程式モデルを提案する。
興味のパラメータは内在変数の構造パラメータである。
このパラメータの同定は、利用可能な排他的制約を仮定し、制御関数アプローチを用いて得られる。
SLCFE (Super Learner Control Function estimator) と呼ばれる推定器を用いて、興味のあるパラメータを推定する。
推定手順は2つの主要なステップとサンプル分割から構成される。
サンプル分割を用いた超学習者を用いて制御関数を推定する。
次のステップでは、推定制御関数を用いて構造方程式の内在性を制御する。
サンプル分割は個々の次元にわたって行われる。
我々はモンテカルロシミュレーションを行い,提案した推定器の性能を検証した。
2SLS推定器では,スーパーラーナー制御関数推定器が有意に優れていた。
関連論文リスト
- Bayesian Model Parameter Learning in Linear Inverse Problems with Application in EEG Focal Source Imaging [49.1574468325115]
逆問題は、関心のシグナルを直接観測できない限定データ問題として記述することができる。
未知の非線形モデルパラメータを含む線形逆問題について検討した。
ベイズモデルに基づく学習手法を用いて,信号の回復とモデルパラメータの推定を行った。
論文 参考訳（メタデータ） (2025-01-07T18:14:24Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Assumption-Lean Post-Integrated Inference with Negative Control Outcomes [0.0]
負の制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。
提案手法は,予測された直接効果推定値,隠された仲介者,共同設立者,モデレーターまで拡張する。
提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
論文 参考訳（メタデータ） (2024-10-07T12:52:38Z) - Overparameterized Multiple Linear Regression as Hyper-Curve Fitting [0.0]
線形モデルは, モデル仮定に反する非線形依存が存在する場合でも, 正確な予測を生成することが証明された。
ハイパーカーブのアプローチは、予測変数のノイズに関する問題を正規化するのに特に適しており、モデルからノイズや「不適切な」予測子を取り除くのに使うことができる。
論文 参考訳（メタデータ） (2024-04-11T15:43:11Z) - Adaptive debiased machine learning using data-driven model selection
techniques [0.5735035463793007]
Adaptive Debiased Machine Learning (ADML)は、データ駆動型モデル選択と非バイアス型機械学習技術を組み合わせた非バイアス型フレームワークである。
ADMLはモデルの誤特定によるバイアスを回避し、パラメトリックモデルとセミモデルの制約から解放される。
適応的部分線形回帰モデルにおける平均処理効果を推定するためのADML推定器の幅広いクラスを提供する。
論文 参考訳（メタデータ） (2023-07-24T06:16:17Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳（メタデータ） (2020-12-29T04:08:38Z) - Probabilistic learning on manifolds constrained by nonlinear partial
differential equations for small datasets [0.0]
The Probabilistic Learning on Manifolds (PLoM) の新たな拡張について紹介する。
これにより、幅広い非線形境界値問題に対する解を合成することができる。
3つのアプリケーションが提示されます。
論文 参考訳（メタデータ） (2020-10-27T14:34:54Z) - Derivative-Based Koopman Operators for Real-Time Control of Robotic
Systems [14.211417879279075]
本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。
クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。
制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
論文 参考訳（メタデータ） (2020-10-12T15:15:13Z) - Exponentially Weighted l_2 Regularization Strategy in Constructing
Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。
調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
論文 参考訳（メタデータ） (2020-07-02T15:42:15Z) - Localized Debiased Machine Learning: Efficient Inference on Quantile
Treatment Effects and Beyond [69.83813153444115]
因果推論における(局所)量子化処理効果((L)QTE)の効率的な推定式を検討する。
Debiased Machine Learning (DML)は、高次元のニュアンスを推定するデータ分割手法である。
本稿では、この負担のかかるステップを避けるために、局所的脱バイアス機械学習(LDML)を提案する。
論文 参考訳（メタデータ） (2019-12-30T14:42:52Z)
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。