論文の概要: Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso
- arxiv url: http://arxiv.org/abs/2511.21257v1
- Date: Wed, 26 Nov 2025 10:39:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:59.063056
- Title: Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso
- Title（参考訳）: 高次元線形回帰の推定:ポストダブルラッソの代替としてのポストダブルオートメトリ
- Authors: Sullivan Hué, Sébastien Laurent, Ulrich Aiounou, Emmanuel Flachaire,
- Abstract要約: 本稿では,オートメトリックスに基づくポストダブルオートメトリックスという新しい手法を提案し,ポストダブルラッソよりも優れていることを示す。
経済成長の標準的な応用におけるその利用は、貧富から富裕な経済への収束の仮説に新たな光を放つ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Post-Double-Lasso is becoming the most popular method for estimating linear regression models with many covariates when the purpose is to obtain an accurate estimate of a parameter of interest, such as an average treatment effect. However, this method can suffer from substantial omitted variable bias in finite sample. We propose a new method called Post-Double-Autometrics, which is based on Autometrics, and show that this method outperforms Post-Double-Lasso. Its use in a standard application of economic growth sheds new light on the hypothesis of convergence from poor to rich economies.
- Abstract（参考訳）: ポストダブルラッソは、平均処理効果などの利害パラメータの正確な推定値を得るために、多くの共変量を持つ線形回帰モデルを推定する最も一般的な方法となっている。
しかし, この手法は, 有限サンプルにおいて, 実質的に省略された変数バイアスに悩まされる可能性がある。
本稿では,オートメトリックスに基づくポストダブルオートメトリックスという新しい手法を提案し,ポストダブルラッソよりも優れていることを示す。
経済成長の標準的な応用におけるその利用は、貧富から富裕な経済への収束の仮説に新たな光を放つ。
関連論文リスト
- Discrete Diffusion Models: Novel Analysis and New Sampler Guarantees [70.88473359544084]
離散拡散モデルに対する新たな解析的アプローチを導入し,正規性仮定の必要性を排除した。
標準的な$tau$-leaping法では、語彙サイズとともに線形にスケールするKL発散の収束保証を確立する。
我々のアプローチはより広く適用可能であり、他の広く使われているサンプルに対して最初の収束保証を提供する。
論文 参考訳（メタデータ） (2025-09-20T17:42:29Z) - Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。
GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。
本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-16T02:24:21Z) - Achieving $\widetilde{\mathcal{O}}(\sqrt{T})$ Regret in Average-Reward POMDPs with Known Observation Models [69.1820058966619]
平均逆無限水平POMDPを未知の遷移モデルで扱う。
この障壁を克服する斬新でシンプルな推定器を提示する。
論文 参考訳（メタデータ） (2025-01-30T22:29:41Z) - Analysis of Bootstrap and Subsampling in High-dimensional Regularized Regression [29.57766164934947]
統計モデルの不確実性を推定するための一般的な再サンプリング手法について検討する。
一般化線形モデル(英語版)の文脈において、これらの手法によって推定されるバイアスと分散の厳密な記述を提供する。
論文 参考訳（メタデータ） (2024-02-21T08:50:33Z) - Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。
反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文 参考訳（メタデータ） (2021-12-29T23:37:06Z)
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。