arXiv 新论文:去偏机器学习单插补框架处理问卷缺失值
RexDouglass · x · 2026-11-09
arXiv 新论文(stat.ME,作者 Mehdi Dagdoug、David Haziza)提出一个去偏机器学习单插补框架,用于处理问卷调查中的条目无回答(item nonresponse)问题。
- 指出常规做法:直接把 ML 预测值代入插补估计量并不能保证有效推断,回归函数的估计误差会破坏 root-n 一致性
- 方法:结合插补模型、抽样设计与随机缺失机制,使用交叉拟合的增广逆概率加权(AIPW)估计量推断有限总体均值
- 证明双重稳健性;在合适正则条件下,两个 nuisance 估计量一致加上 product-rate 条件可得到 oracle 等价与渐近正态
- 构造保留观测值、加权均值精确复现 AIPW 估计的调整插补值,并给出考虑抽样与无回答的一致方差估计
- 模拟显示交叉拟合可显著降低覆盖不足,但当 nuisance 预测不准时可能增大均方误差
「研究」频道最新
- 最强 3D 生成模型仍反复犯三类低级错误：Z-fighting、单面几何、坐标系错位 — teortaxesTex · 2026-11-09
- EPFL 研究者将在线讲解掩码扩散语言模型的轨迹感知训练 — AnnaCiaunica · 2026-11-09
- UC伯克利等新论文：Agent 自我进化提分 5.2 却丢掉 10 个原本会做的任务 — rohanpaul_ai · 2026-11-09
- MoE训练终极手册已有中文版：3万字50+交互图表全覆盖 — Nouamanetazi · 2026-11-09
- 斯坦福DSP传奇Julius Smith三小时深度访谈上线YouTube — teropa · 2026-11-09
- 硬件感知 LDM 实现:状态回卷+窗口写入,大幅降低激活内存与访存开销 — SonglinYang4 · 2026-11-09