論文の概要: Data Fusion for Errors-in-Variables

• arxiv url: http://arxiv.org/abs/2610.07048v1
• Date: Mon, 05 Oct 2026 02:22:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.534255
• Title: Data Fusion for Errors-in-Variables
• Title（参考訳）: Errors-in-Variablesのデータフュージョン
• Abstract要約: 本研究では,未観測露光の1つの誤り発生サロゲートのみを対象とする誤差不変問題について検討した。 外部ソースによる研究は、異なる集団から繰り返しサロゲートの測定を提供する。 対象関数の幅広いクラスを対象としたデータ融合推定器を開発した。
• 参考スコア（独自算出の注目度）: 2.8656060534085728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study errors-in-variables problems in which a target study contains only a single error-prone surrogate of an unobserved exposure, while an external source study provides repeated surrogate measurements from a different population. The measurement error distribution is allowed to depend on the observed error-free variables, and the error-free variable distribution itself may differ between studies. We introduce a conditional transportability assumption that enables the use of external repeated measurements under source-target heterogeneity. Together with additional replicate-error conditions, it identifies the target conditional measurement-error distribution. Building on this identification result, we develop a data-fusion estimator for a broad class of target functionals. The estimator combines conditional deconvolution, flexible nuisance estimation, and orthogonal correction that reduces first-order sensitivity to nuisance estimation. For the proposed estimator, we develop a unified spectral theory covering both diffuse-spectrum and finite atomic-spectrum target functionals, derive a general asymptotic expansion, and establish consistency and target-specific convergence-rate bounds. The resulting convergence-rate bounds depend jointly on the spectral properties of the measurement error, the latent exposure, and the target functional. For finite atomic-spectrum targets, we further establish joint Gaussian and bootstrap limits, yielding inference for smooth moment transformations under an additional centering condition. In the reported simulations, Fuse-EIV has small bias for the primary exposure-related coefficient. Applications to the National Health and Nutrition Examination Survey illustrate how accounting for population heterogeneity and error heteroscedasticity can change empirical conclusions.
• Abstract（参考訳）: 本研究では,未観測曝露の1つの誤り発生サロゲートのみを対象とする変量問題について検討するとともに,異なる個体群から繰り返しサロゲート測定を行った。 測定誤差分布は観測された誤差のない変数に依存することが許されており、誤差のない変数分布そのものは研究によって異なるかもしれない。 本稿では,ソース・ターゲットの不均一性の下での外部繰り返し測定を可能にする条件付き輸送可能性仮定を提案する。 追加の複製エラー条件とともに、ターゲット条件測定エラー分布を特定する。 この同定結果に基づいて,多種多様な対象関数を対象としたデータ融合推定器を開発した。 推定器は条件付きデコンボリューション、柔軟なニュアンス推定、直交補正を組み合わせることで、ニュアンス推定に対する1次感度を低下させる。 提案した推定器では、拡散スペクトルと有限原子スペクトルのターゲット関数の両方をカバーする統一スペクトル理論を開発し、一般的な漸近的展開を導出し、一貫性と目標固有収束速度境界を確立する。 得られた収束速度境界は、測定誤差、潜時露光、ターゲット関数のスペクトル特性に共同で依存する。 有限原子スペクトルターゲットに対しては、さらにガウス限界とブートストラップ限界を定め、新たな中心条件下での滑らかなモーメント変換の推論を導出する。 報告されたシミュレーションでは、Fuse-EIVは一次露光関連係数のバイアスが小さい。 国民健康栄養試験(National Health and Nutrition Examination Survey)への応用は、人口の不均一性とエラー不均質の会計が経験的な結論をどう変えるかを示す。

関連論文リスト

• Generalized nonparametric regression in reproducing kernel Hilbert spaces: Consistency and rates of convergence [0.0]
  我々は再生空間におけるM-levの包括的理論を開発する。 ソボ空間に対しては、混合滑らか性関数を持つ滑らか性空間に接続する新たなレートを得る。
  論文  参考訳（メタデータ） (2026-06-22T08:12:31Z)
• Rethinking Structural Anomaly Detection: From Decision Boundaries to Projection Operators [51.771100367755544]
  本稿では,既存手法の帰納バイアスとデータ構造とのミスマッチに対処する幾何学的視点を提案する。 具体的には、正規サンプルの多様体上の射影作用素を学習し、この射影によって変更される場合、サンプルを異常として定義する。 特に、プロジェクション品質の観点から、その成功と失敗を説明することによって、再構築に基づく手法の統一的な解釈を提供する。
  論文  参考訳（メタデータ） (2026-06-13T12:37:20Z)
• Conditional Diffusion Under Linear Constraints: Langevin Mixing and Information-Theoretic Guarantees [10.73598638822051]
  線形逆問題に対する事前学習拡散モデルを用いたゼロショット条件付きサンプリングについて検討する。 このスコアを無条件の接点スコアで置き換える誤差は、観測されたコンポーネントと観測されていないコンポーネントの間の次元自由条件の相互情報によって上限づけられていることを証明する。
  論文  参考訳（メタデータ） (2026-05-06T19:19:54Z)
• Coarsening Bias from Variable Discretization in Causal Functionals [0.8880611506199766]
  因果効果関数のクラスは連続変数の条件付き密度に対する積分を必要とする。 離散化は人口レベルの機能を変化させ、無視できない近似バイアスを引き起こす。 そこで本研究では,インバービン条件付き手法で結果の回帰を評価する簡易なバイアス低減関数を提案する。
  論文  参考訳（メタデータ） (2026-02-25T16:32:04Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Robust Bayesian Inference for Berkson and Classical Measurement Error Models [9.712913056924826]
  測定誤差を扱うための非パラメトリックフレームワークを提案する。 古典的誤りモデルとバークソン誤りモデルの両方に適している。 回帰モデルの種類に応じて損失関数の選択に柔軟性を提供する。
  論文  参考訳（メタデータ） (2023-06-02T11:48:15Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Independence Testing-Based Approach to Causal Discovery under Measurement Error and Linear Non-Gaussian Models [9.016435298155827]
  因果発見は、観測データを生成する因果構造を復元することを目的としている。 この問題の特定の定式化を考えると、観測されていない対象変数は非ガウス非巡回線型モデルに従う。 本研究では,ある測定変数の特定の線形変換と,他の測定変数との独立性をチェックする変態独立雑音条件を提案する。
  論文  参考訳（メタデータ） (2022-10-20T05:10:37Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)

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。