論文の概要: Deep Neural Networks for Doubly Robust Estimation with Nonprobability Survey Samples

• arxiv url: http://arxiv.org/abs/2605.28762v1
• Date: Wed, 27 May 2026 17:21:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.244477
• Title: Deep Neural Networks for Doubly Robust Estimation with Nonprobability Survey Samples
• Title（参考訳）: 非確率サーベイサンプルを用いた二重ロバスト推定のためのディープニューラルネットワーク
• Authors: Yufang Dai, Shihua Luo, Wendy Lou, Zilin Wang, Xuewen Lu,
• Abstract要約: 確率および非確率標本から有限個体群の平均値を推定するための、ディープニューラルネットワークを用いた二重頑健なフレームワークを提案する。 提案手法は未知の非パラメトリック関数として非確率標本のロジットサンプリングスコアをモデル化する。 Pew Research Center と Behavioral Risk Factor Surveillance System のデータを用いてシミュレーション研究と実証アプリケーションを用いて,提案手法の評価を行った。
• 参考スコア（独自算出の注目度）: 6.24703653276855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrating probability and nonprobability survey samples is an important problem in modern survey sampling. Nonprobability samples often contain rich outcome information but may lack population representativeness, whereas probability samples provide design-based auxiliary information but may not contain the study variable. We propose a deep neural network (DNN)-assisted doubly robust framework for estimating the finite population mean from these two data sources. The proposed method models the logit sampling score for the nonprobability sample as an unknown nonparametric function and estimates it by maximizing a pseudo-likelihood that combines information from the nonprobability sample and a reference probability sample. The DNN parameters are optimized using the ADAM algorithm. The resulting DNN-estimated sampling scores are incorporated into a DNN-assisted inverse-probability weighted estimator and a deep doubly robust estimator. We establish consistency and convergence rates under regularity conditions and evaluate the finite-sample performance of the proposed estimators through simulation studies and an empirical application using Pew Research Center and Behavioral Risk Factor Surveillance System data. The results suggest that the proposed estimators can improve robustness to parametric propensity-score misspecification, especially when the true selection mechanism is nonlinear.
• Abstract（参考訳）: 確率と非確率のサーベイサンプルを統合することは、現代のサーベイサンプリングにおいて重要な問題である。 非確率サンプルは、しばしば豊富な結果情報を含むが、人口代表性が欠落する可能性があるが、確率サンプルは設計に基づく補助情報を提供するが、研究変数は含まない。 本稿では,これら2つのデータソースから平均となる有限個体数を推定するための,ディープニューラルネットワーク(DNN)を用いた2重頑健なフレームワークを提案する。 提案手法は,非可観測サンプルのロジットサンプリングスコアを未知の非パラメトリック関数としてモデル化し,非可観測サンプルと参照確率サンプルの情報を組み合わせた擬似類似度を最大化することによって推定する。 DNNパラメータはADAMアルゴリズムを用いて最適化される。 得られたDNN推定サンプリングスコアは、DNN支援逆確率重み付き推定器と2倍頑健な推定器に組み込まれる。 我々は,正則性条件下での整合性と収束率を確立し,シミュレーション研究とPew Research Centerと行動リスク要因監視システムデータを用いた実証的応用により,提案した推定器の有限サンプル性能を評価する。 提案した推定器は、特に真の選択機構が非線形である場合、パラメトリックな確率-スコアの誤特定に対してロバスト性を向上させることが示唆された。

関連論文リスト

• Robust Sampling for Active Statistical Inference [11.929391566298841]
  アクティブ統計的推論はAI支援データ収集を用いた新しい推論手法である。 アクティブな統計的推測のためのロバストなサンプリング戦略を提案する。 本稿では,本手法の有効性を実データに示す。
  論文  参考訳（メタデータ） (2025-11-12T05:18:36Z)
• Testing Conditional Mean Independence Using Generative Neural Networks [8.323172773256449]
  我々は,新しい集団CMI尺度とブートストラップモデルに基づくテスト手順を導入する。 深部生成ニューラルネットワークは、人口測定に関わる条件付き平均関数を推定するために用いられる。
  論文  参考訳（メタデータ） (2025-01-28T23:35:24Z)
• Uncertainty Measurement of Deep Learning System based on the Convex Hull of Training Sets [0.13265175299265505]
  本研究では,訓練データの凸殻に基づくトレーニングモデルの不確実性を測定するTo-hull Uncertainity and Closure Ratioを提案する。 学習したデータの凸船体と見えないサンプルとの間の位置関係を観察し、サンプルが凸船体からどのように外挿されているかを推測することができる。
  論文  参考訳（メタデータ） (2024-05-25T06:25:24Z)
• Reliability-Aware Prediction via Uncertainty Learning for Person Image Retrieval [51.83967175585896]
  UALは、データ不確実性とモデル不確実性を同時に考慮し、信頼性に配慮した予測を提供することを目的としている。 データ不確実性はサンプル固有のノイズを捕捉する」一方、モデル不確実性はサンプルの予測に対するモデルの信頼を表現している。
  論文  参考訳（メタデータ） (2022-10-24T17:53:20Z)
• Learning from a Biased Sample [2.7728441305894447]
  本稿では,テスト分布のファミリーで発生する最悪のリスクを最小限に抑える決定ルールの学習方法を提案する。 本研究では,健康調査データからメンタルヘルススコアの予測を行うケーススタディにおいて,提案手法を実証的に検証した。
  論文  参考訳（メタデータ） (2022-09-05T04:19:16Z)
• NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
  本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。 種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
  論文  参考訳（メタデータ） (2022-02-07T12:30:45Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。