对偶工具变量回归
机器学习
2020-10-27 v3 机器学习
计量经济学
摘要
我们提出一种用于非线性工具变量（IV）回归的新算法 DualIV，它通过对偶形式简化了传统的两阶段方法。受随机规划问题的启发，我们证明非线性 IV 回归的两阶段过程可重新表述为一个凸-凹鞍点问题。我们的表述使我们能够规避第一阶段回归，而后者在实际应用中是一个潜在瓶颈。我们基于该表述开发了一个具有解析解的简单核方法算法。实证结果表明，我们在非线性工具变量回归上与现有更复杂算法相比具有竞争力。
引用
@article{arxiv.1910.12358,
title = {Dual Instrumental Variable Regression},
author = {Krikamol Muandet and Arash Mehrjou and Si Kai Lee and Anant Raj},
journal= {arXiv preprint arXiv:1910.12358},
year = {2020}
}
备注
Advances in Neural Information Processing Systems 33 (NeurIPS 2020)