論文の概要: Penalized GMM Framework for Inference on Functionals of Nonparametric Instrumental Variable Estimators

• arxiv url: http://arxiv.org/abs/2603.29889v1
• Date: Tue, 31 Mar 2026 15:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.746151
• Title: Penalized GMM Framework for Inference on Functionals of Nonparametric Instrumental Variable Estimators
• Title（参考訳）: 非パラメトリックインスツルメンタル変数推定器の機能推定のためのPinalized GMMフレームワーク
• Authors: Edvard Bakhitov,
• Abstract要約: 本稿では,非パラメトリックな器用変数推定器の関数に対する自動デバイアス推定のためのペナル化GMMフレームワークを開発する。 PGMM推定器の収束率を導出し、根nの整合性および脱バイアス関数推定の正規性に関する条件を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper develops a penalized GMM (PGMM) framework for automatic debiased inference on functionals of nonparametric instrumental variable estimators. We derive convergence rates for the PGMM estimator and provide conditions for root-n consistency and asymptotic normality of debiased functional estimates, covering both linear and nonlinear functionals. Monte Carlo experiments on average derivative show that the PGMM-based debiased estimator performs on par with the analytical debiased estimator that uses the known closed-form Riesz representer, achieving 90-96% coverage while the plug-in estimator falls below 5%. We apply our procedure to estimate mean own-price elasticities in a semiparametric demand model for differentiated products. Simulations confirm near-nominal coverage while the plug-in severely undercovers. Applied to IRI scanner data on carbonated beverages, debiased semiparametric estimates are approximately 20% more elastic compared to the logit benchmark, and debiasing corrections are heterogeneous across products, ranging from negligible to several times the standard error.
• Abstract（参考訳）: 本稿では,非パラメトリックな器用変数推定器の関数に対する自動偏差推定のためのペナル化GMM(PGMM)フレームワークを開発する。 我々は、PGMM推定器の収束率を導出し、線形関数と非線形関数の両方をカバーする脱バイアス関数推定のルート-n整合性と漸近正規性の条件を提供する。 平均デリバティブに関するモンテカルロ実験により、PGMMに基づく脱バイアス推定器は、既知の閉形式Riesz表現器を用いて解析的脱バイアス推定器と同等に動作し、プラグイン推定器が5%以下である間に90-96%のカバレッジを達成した。 差別化製品に対する半パラメトリック需要モデルにおいて,平均自己価格弾性率を推定するために,本手法を適用した。 シミュレーションは、プラグインが深刻な脆弱性を発見している間に、ほぼノーミナルなカバレッジを確認します。 炭酸飲料のIRIスキャナーデータに適用すると、デバイアス半パラメトリック推定はロジットベンチマークよりも約20%弾力性があり、デバイアス補正は標準誤差の無視から数倍まで製品間で不均一である。

関連論文リスト

• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Method-of-Moments Inference for GLMs and Doubly Robust Functionals under Proportional Asymptotics [30.324051162373973]
  高次元一般化線形モデル(GLM)における回帰係数と信号対雑音比の推定について考察する。 我々は、推論対象の一貫性と漸近的正規性(CAN)推定を導出する。 理論的結果を数値実験と既存文献との比較で補完する。
  論文  参考訳（メタデータ） (2024-08-12T12:43:30Z)
• Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
  我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。 我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
  論文  参考訳（メタデータ） (2024-07-11T13:28:34Z)
• 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)
• SUMO: Unbiased Estimation of Log Marginal Probability for Latent Variable Models [80.22609163316459]
  無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。 推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
  論文  参考訳（メタデータ） (2020-04-01T11:49:30Z)

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。