論文の概要: Orthogonal Inference for Conditional Z-Estimation without Cross-Fitting: A Distributional Nearest-Neighbor Approach

• arxiv url: http://arxiv.org/abs/2610.38965v1
• Date: Wed, 28 Oct 2026 21:50:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 08:13:15.369891
• Title: Orthogonal Inference for Conditional Z-Estimation without Cross-Fitting: A Distributional Nearest-Neighbor Approach
• Title（参考訳）: クロスフィッティングを伴わない条件付きZ推定のための直交的推定法:分布近傍近傍アプローチ
• Abstract要約: そこで本研究では,条件付きモーメント方程式に対して,完全サンプルニュアンス予測を用いたポイントワイズ推論を開発した。 空間近傍隣人(DNN)を用いた報知点周辺における推定方程式の定位 シミュレーションでは、完全サンプルとクロスフィット推論も同様に動作し、ニュアンス近似誤差によるカバー不足が生じる。 401(k) の可視性への応用は、広範囲な正規参照間隔を持つニュアンス予測法にまたがる同様の推定値を求める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating conditional parameters, such as heterogeneous treatment effects, often requires rich covariate adjustment, even when the parameters are reported along only a few dimensions. Fitting nuisance functions on the full sample makes all observations available for adjustment, but creates dependence between fitted scores and the observations at which they are evaluated, which is typically avoided by cross-fitting. We develop pointwise inference with full-sample nuisance predictions for exactly identified conditional moment equations, recovering conditional average treatment effects as a special case. We localize the estimating equations around the reporting point using distributional nearest neighbors (DNN), a U-statistic-based averaging procedure. Under sufficient conditions on the local design, orthogonality, prediction accuracy and quantitative deletion stability, the estimator is asymptotically normal, and a frozen-score jackknife consistently estimates its limiting covariance with nuisance predictions held fixed. In simulations, full-sample and cross-fitted inference perform similarly, with coverage shortfalls from nuisance approximation error, spatial bias and heavy studentized tails. An application to 401(k) eligibility using Survey of Income and Program Participation data finds similar estimates across nuisance prediction methods, with wide normal-reference intervals.
• Abstract（参考訳）: 不均一な処理効果などの条件パラメータを推定するには、パラメータがわずか数次元で報告されている場合でも、豊富な共変量調整が必要となることが多い。 完全なサンプルにニュアンス関数を適合させることで、すべての観測を調整できるが、適合したスコアと評価される観察の間の依存が生じ、通常はクロスフィットによって避けられる。 本研究では, 条件付きモーメント方程式を正確に同定し, 条件付き平均処理効果を特殊ケースとして, 完全サンプルニュアンス予測を用いたポイントワイズ推論を開発した。 我々は,U統計に基づく平均化手法である分布近傍近傍(DNN)を用いて,報告点周辺における推定方程式を定位する。 局所設計、直交性、予測精度、量的削除安定性に関する十分な条件の下では、推定器は漸近的に正常であり、凍結スコアのジャックナイフは固定されたニュアンス予測との限界共分散を一貫して推定する。 シミュレーションでは、完全サンプルとクロスフィット推論も同様に機能し、ニュアンス近似誤差、空間バイアス、重い生徒の尾のカバー不足がある。 Income and Program Participation データを用いた401(k) の適格化への適用により,Nuisance 予測法に類似した推定値が得られた。

関連論文リスト

• Metric Conformal Prediction via the Conditional Expected Local Radius [18.243638845060456]
  我々は条件付き予測局所計算(CELR)を導入し、一般距離空間における非ユークリッド応答に対する新しい共形予測法を開発した。
  論文  参考訳（メタデータ） (2026-10-22T14:23:02Z)
• Stochastic Tracking of Drifting Affine Fixed Points [1.438318734827691]
  時間変化アフィン演算子を用いて線形近似を行い、固定点が時間とともに変化し、観測ノイズはラウンド間で相関する可能性がある。 一定段階の更新では、イテレートと対応する固定点の間の累積期待二乗距離にバウンダリを確立する。 最適に選択された定数ステップサイズは、最小の最悪の累積誤差を定数要素まで達成することを示す。
  論文  参考訳（メタデータ） (2026-10-19T02:44:07Z)
• Prediction-Powered Conditional Inference [15.801272841475681]
  本研究では,ラベル付きデータが少ない環境での予測型条件推論について検討する。 提案手法は,局所化と予測に基づく分散化を併用する。 シミュレーションおよび実データセットに関する数値実験は、有効な条件付きカバレッジを示す。
  論文  参考訳（メタデータ） (2026-03-05T17:13:06Z)
• DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment [92.70019102733453]
  トレーニング時系列予測モデルは、モデル予測の条件分布とラベルシーケンスの条件分布の整合性を必要とする。 本研究では,条件予測とラベル分布との差を最小限に抑えてアライメントを実現するDistDFを提案する。
  論文  参考訳（メタデータ） (2025-10-28T16:09:59Z)
• 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)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Near-optimal inference in adaptive linear regression [60.08422051718195]
  最小二乗法のような単純な方法でさえ、データが適応的に収集されるときの非正規な振る舞いを示すことができる。 我々は,これらの分布異常を少なくとも2乗推定で補正するオンラインデバイアス推定器のファミリーを提案する。 我々は,マルチアームバンディット,自己回帰時系列推定,探索による能動的学習などの応用を通して,我々の理論の有用性を実証する。
  論文  参考訳（メタデータ） (2021-07-05T21:05:11Z)
• Tolerance and Prediction Intervals for Non-normal Models [0.0]
  予測間隔は、繰り返しサンプリングにおいてランダムプロセスから将来の観察をカバーする。 寛容間隔は繰り返しサンプリングにおいて集団パーセンタイルをカバーし、しばしば中心的な量に基づいている。
  論文  参考訳（メタデータ） (2020-11-23T17:48:09Z)

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。