論文の概要: Doubly robust target inference for generalized linear regression with completely missing covariates

• arxiv url: http://arxiv.org/abs/2609.24086v1
• Date: Mon, 21 Sep 2026 04:12:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.066519
• Title: Doubly robust target inference for generalized linear regression with completely missing covariates
• Title（参考訳）: 完全欠落共変量をもつ一般化線形回帰に対する二重頑健な目標推定
• Abstract要約: 大規模多目的コホート研究やバイオバンクは下流分析に必要なコバーリネートを省略することが多い。 サブポピュレーションシフト仮定の下で、二重頑健な移動学習フレームワークを開発する。 我々の推定器は、重み付けされた音源推定方程式とこれらの条件関数の計算を組み合わせる。
• 参考スコア（独自算出の注目度）: 2.9508594131545354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale multipurpose cohort studies and biobanks often omit covariates needed for specific downstream analyses. We study target-population inference for generalized linear regression when key covariates are completely absent from the target data but observed in a related source population. Standard missing covariate methods are not directly applicable because they require at least partial observation of the covariates in the target population. We develop a doubly robust transfer learning framework under a sub-population shift assumption, which allows the distribution of the observed outcome and covariates to differ between populations while requiring the conditional distribution of the missing covariates given the observed variables to be shared. Unlike linear regression, nonlinear target estimating equations require parameter-indexed conditional functionals of the missing covariates rather than a fixed collection of low-order conditional moments. Our estimator combines importance-weighted source estimating equations with imputation of these conditional functionals. Under the identifying assumption, the estimator remains consistent when either the density-ratio model or the conditional-covariate model is correctly specified. Under regularity conditions, it is root-$n$ consistent and asymptotically normal, and attains the semiparametric efficiency bound when both nuisance models are correctly specified.
• Abstract（参考訳）: 大規模多目的コホート研究とバイオバンクは、特定の下流分析に必要なコバーリネートを省略することが多い。 本研究では,鍵共変体が対象データから完全に欠落するが,関連する情報源群で観測された一般線形回帰のターゲット人口推定について検討した。 標準的欠落共変量法は、対象集団における共変量の少なくとも部分的な観察を必要とするため、直接適用できない。 サブポピュレーションシフトの仮定の下で2つの頑健な移動学習フレームワークを開発し、観察された結果の分布と共変量は、共有すべき変数が与えられたときに、欠落した共変量の条件分布を必要としながら、個体群間で異なるようにする。 線形回帰とは異なり、非線形ターゲット推定方程式は、低次条件モーメントの固定された集まりではなく、欠落した共変量のパラメータ付き条件関数を必要とする。 我々の推定器は、重み付けされた音源推定方程式とこれらの条件関数の計算を組み合わせる。 同定された仮定の下では、密度比モデルまたは条件共変量モデルのいずれかが正しく指定された場合、推定子は整合性を保つ。 正規性条件の下では、ルート=$n$一貫性を持ち、漸近的に正規であり、両方のニュアンスモデルが正しく指定されたときに半パラメトリック効率境界に達する。

関連論文リスト

• Augmented transfer regression learning for completely missing covariates [0.8603348174612194]
  大規模な集団レベルのデータセットは、遺伝的、ライフスタイルなどの特定の分析に必要な共変量を持たないことが多いが、関連する研究はそれらを測定している。 これにより、クロスポピュレーションの欠落したデータ問題が発生する。 本稿では,この設定のための拡張転送回帰学習法を提案する。
  論文  参考訳（メタデータ） (2026-05-06T03:48:28Z)
• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics [80.05951561886123]
  我々は条件認識フローマッチングを利用して、生成軌道に沿った密度比を追跡するための1つの動的定式化を導出する。 クローズドフォーム比推定のためのシミュレーションベンチマーク上での競合性能を実証し,本手法が単一セルゲノミクスデータ解析における多目的タスクをサポートすることを示す。
  論文  参考訳（メタデータ） (2026-02-27T17:27:55Z)
• Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
  Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。 ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。 合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
  論文  参考訳（メタデータ） (2026-01-01T04:26:02Z)
• Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects [1.9253333342733674]
  多くの因果推定値は、潜在的な結果間の観測不能な関節分布に依存するため、部分的にしか識別できない。 本研究では,部分的同定された推定値の広いクラスに対して,統一的かつモデルに依存しない推論手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T08:17:30Z)
• Simulation-based Inference with the Generalized Kullback-Leibler Divergence [8.868822699365618]
  目的は、確率が暗黙的にのみ知られている場合の逆問題を解決することである。 本研究では,正規化された基底分布と学習比率を学習することで,両世界の長所を提供するハイブリッドモデルについて検討する。
  論文  参考訳（メタデータ） (2023-10-03T05:42:53Z)
• Modeling High-Dimensional Data with Unknown Cut Points: A Fusion Penalized Logistic Threshold Regression [2.520538806201793]
  従来のロジスティック回帰モデルでは、リンク関数は線形で連続であると見なされることが多い。 我々は、全ての連続した特徴が順序レベルに離散化され、さらにバイナリ応答が決定されるしきい値モデルを考える。 糖尿病のような慢性疾患の早期発見と予知の問題において,ラッソモデルが好適であることが判明した。
  論文  参考訳（メタデータ） (2022-02-17T04:16:40Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
  帰納バイアスは 経験的に過剰フィットを防げる中心的存在です この研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。 我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
  論文  参考訳（メタデータ） (2021-03-23T17:15:53Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)

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。