logistic部分线性模型的双稳健估计

@第{Tan2019OnDR条,title={关于logistic部分线性模型的双稳健估计},author={谭志强},journal={统计\&概率字母},年份={2019},网址={https://api.semanticscholar.org/CorpusID:88516451}}

询问这篇论文
AI供电

半非参数Nuisance模型的双稳健协变量移位回归。

通过引入响应的条件平均值插补模型来增强重要性加权估计方程,以消除潜在模型错误指定下非参数分量的过拟合偏差,从而实现双稳健协变量偏移回归方法。

基于高维数据正则化校正估计的双稳健半参数推断

考虑半参数估计,其中低维参数的双稳健估计函数可用,取决于两个工作模型。利用高维数据,我们开发

关于借方/双机学习Logistic部分线性模型的注记

推导出了亏损/双机器学习逻辑斯蒂部分线性模型,并在高维超稀疏滋扰模型上保持了模型的双重鲁棒性,以保持滋扰模型的一阶偏差。

双鲁棒泛函机器学习中的偏差感知模型选择

为新模型选择标准的多重交叉验证版本建立了预言机特性,该特性表明经验标准的性能几乎与具有每个候选模型的伪风险先验知识的预言机一样好。

截尾半参数线性模型中的鲁棒限制Liu估计

在截尾半参数线性模型中,同时存在离群值和多重共线性是很常见的。在本文中,为了处理多重共线性和异常值,我们引入了一个族

logistic部分线性模型的双/差机器学习。

基于智利2008年的政策改革,提出了双机器学习方法来推断逻辑部分线性模型的参数成分,并将其应用于评估紧急避孕药对早期妊娠和新生儿的影响。

部分线性模型的因果效应模型平均

具有异质性和异方差的处理效应在统计学和计量经济学等领域得到了广泛的研究和应用。条件平均治疗效果提供了

基于正则化校正估计的非测量混杂条件下治疗效果的模型辅助敏感性分析

    Z.Tan先生
    数学、经济学
  • 2024
考虑敏感性分析,以估计未测量混杂条件下的平均治疗效果,假设满足边际敏感性模型。在人口层面,我们提供了新的

非单调Missing-Not-at-Random数据的半参数推断:无自删模型

提出了一种实用的增广逆概率加权估计量,在具有(可能是高维)总是观测的协变量子集的情况下,该估计量具有一定的双重鲁棒性。

部分线性模型的因果效应模型平均

异质性和异方差的处理效应在许多领域得到了广泛研究和应用,如统计学和计量经济学。条件平均治疗效果提供了

半参数比值比模型中的双稳健估计。

我们考虑半参数条件比值比模型中参数的双鲁棒估计。在联合模型中,我们的估计是一致的和渐近正态的,假设

半参数模型中的拟似然估计

摘要假设响应变量Y的期望值可以写成h(Xβ+γ(T)),其中X和T是协变量,每个协变量都可以是向量值,β是未知参数向量,γ是

利用高维数据正则化校正估计进行治疗效果的模型辅助推断

当使用大量协变量通过结果回归和倾向评分模型调整可能的混淆时,考虑估计平均治疗效果的问题。这个

二元风险敞口调整比值比的闭式双稳健估计。

本文旨在通过SAS宏和模拟数据示例,介绍一种简单的二元暴露调整比值比的闭式双稳健估计,以便于在常规流行病学实践中使用该方法。

二元曝光调整比值的闭式双稳健估计

流行病学研究通常旨在评估二元接触与二元疾病结局之间的关联优势比。因为混杂偏见在观察中是一个严重的问题

半度量模型的推理:一些问题和答案

非参数和半参数模型在过去25年中蓬勃发展。它们得到了广泛的应用,其理论性质也得到了广泛研究。我们简要回顾了一些

条件矩约束估计的渐近效率

模型错误和高维数据下倾向得分的正则化校正估计

在观察性研究中,倾向性得分被广泛使用,并与逆概率加权一起用于估计治疗效果。我们研究校准估计作为最大似然的替代方法

用于处理和结构参数的双/去偏机器学习

这项工作重新审视了在存在高维扰动参数η_0的情况下对低维参数θ_0进行推理的经典半参数问题,并证明了DML提供的点估计集中在真实参数值的N^(-1/2)-邻域内,并且是近似无偏和正态分布的,它允许构造有效的置信声明。