論文の概要: Nonparametric Instrumental Variable Inference with Many Weak Instruments

• arxiv url: http://arxiv.org/abs/2505.07729v1
• Date: Mon, 12 May 2025 16:36:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.492336
• Title: Nonparametric Instrumental Variable Inference with Many Weak Instruments
• Title（参考訳）: 多数の弱測定器を用いた非パラメトリック測定器変数推論
• Authors: Lars van der Laan, Nathan Kallus, Aurélien Bibaut,
• Abstract要約: 非パラメトリックインスツルメンタリ変数(NPIV)問題における線形汎関数の離散値を用いた推論について検討した。 鍵となる動機付けの例は、短期的な結果のみを持つ新しい実験において、長期的な因果効果を推定することである。 構造関数と最小ノルム射影の両方の線形関数に対する自動脱バイアス機械学習推定器を構築する。
• 参考スコア（独自算出の注目度）: 38.841210420855276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study inference on linear functionals in the nonparametric instrumental variable (NPIV) problem with a discretely-valued instrument under a many-weak-instruments asymptotic regime, where the number of instrument values grows with the sample size. A key motivating example is estimating long-term causal effects in a new experiment with only short-term outcomes, using past experiments to instrument for the effect of short- on long-term outcomes. Here, the assignment to a past experiment serves as the instrument: we have many past experiments but only a limited number of units in each. Since the structural function is nonparametric but constrained by only finitely many moment restrictions, point identification typically fails. To address this, we consider linear functionals of the minimum-norm solution to the moment restrictions, which is always well-defined. As the number of instrument levels grows, these functionals define an approximating sequence to a target functional, replacing point identification with a weaker asymptotic notion suited to discrete instruments. Extending the Jackknife Instrumental Variable Estimator (JIVE) beyond the classical parametric setting, we propose npJIVE, a nonparametric estimator for solutions to linear inverse problems with many weak instruments. We construct automatic debiased machine learning estimators for linear functionals of both the structural function and its minimum-norm projection, and establish their efficiency in the many-weak-instruments regime.
• Abstract（参考訳）: 本研究では,非パラメトリック楽器変数 (NPIV) 問題における線形関数の多弱構造漸近状態下での離散値楽器による推定について検討した。 主要なモチベーションの例は、短期的な結果のみを用いた新しい実験において、長期的な因果効果を推定することであり、過去の実験を用いて短期的な結果が長期的な結果に与える影響を計測するものである。 ここでは、過去の実験への割り当てが楽器として機能し、過去の実験は数多くありますが、それぞれに限られた数のユニットしかありません。 構造関数は非パラメトリックであるが、有限個のモーメント制限によって制限されるため、点同定は通常失敗する。 これを解決するために、最小ノルム解のモーメント制限に対する線型汎函数を考える。 楽器のレベルが増加するにつれて、これらの関数は対象の関数に対する近似列を定義し、点の識別を離散的な楽器に適したより弱い漸近的な概念に置き換える。 古典的なパラメトリック設定を超えてJackknife Instrumental Variable Estimator (JIVE) を拡張し、多くの弱い楽器を用いた線形逆問題に対する解の非パラメトリック推定器 npJIVE を提案する。 構造関数と最小ノルム射影の両方の線形関数に対する自動脱バイアス機械学習推定器を構築し,その効率性を確立した。

関連論文リスト

• Weak instrumental variables due to nonlinearities in panel data: A Super Learner Control Function estimator [0.0]
  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。
  論文  参考訳（メタデータ） (2025-04-04T07:22:18Z)
• An evaluation framework for dimensionality reduction through sectional curvature [59.40521061783166]
  本研究は,非教師付き次元減少性能指標を初めて導入することを目的としている。 その実現可能性をテストするために、この測定基準は最もよく使われる次元削減アルゴリズムの性能を評価するために用いられている。 新しいパラメータ化問題インスタンスジェネレータが関数ジェネレータの形式で構築されている。
  論文  参考訳（メタデータ） (2023-03-17T11:59:33Z)
• Kernel-based off-policy estimation without overlap: Instance optimality beyond semiparametric efficiency [53.90687548731265]
  本研究では,観測データに基づいて線形関数を推定するための最適手順について検討する。 任意の凸および対称函数クラス $mathcalF$ に対して、平均二乗誤差で有界な非漸近局所ミニマックスを導出する。
  論文  参考訳（メタデータ） (2023-01-16T02:57:37Z)
• Inference on Time Series Nonparametric Conditional Moment Restrictions Using General Sieves [4.065100518793487]
  本稿では,時系列データの予測推定に基づく一般非線形シーブ準類似度比(GN-QLR)について考察する。 推定関数の正規性は函数空間の未知のリース表現に依存するが、最適に重み付けられたGN-QLR統計量はChi-二乗分布であることを示す。
  論文  参考訳（メタデータ） (2022-12-31T01:44:17Z)
• Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
  本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。 本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
  論文  参考訳（メタデータ） (2022-08-17T13:38:31Z)
• Causal Inference Under Unmeasured Confounding With Negative Controls: A Minimax Learning Approach [84.29777236590674]
  すべての共同設立者が観察されず、代わりに負の制御が利用可能である場合の因果パラメータの推定について検討する。 最近の研究は、2つのいわゆるブリッジ関数による同定と効率的な推定を可能にする方法を示している。
  論文  参考訳（メタデータ） (2021-03-25T17:59:19Z)

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。