通过核最大矩损失的工具变量回归
机器学习
2023-02-10 v4
摘要
我们研究了一种基于核化条件矩限制（CMR）的非线性工具变量（IV）回归简单目标，称为最大矩限制（MMR）。MMR 目标通过最大化残差与属于再生核 Hilbert 空间（RKHS）单位球内工具变量之间的相互作用来构造。首先，它使我们可以将 IV 回归简化为经验风险最小化问题，其中风险泛函依赖于工具上的再生核，并可由 U-统计量或 V-统计量估计。其次，基于此简化，我们能在参数与非参数设定下给出一致性与渐近正态性结果。最后，我们提供易用的 IV 回归算法及高效的超参数选择流程。我们通过合成与真实世界数据的实验演示了算法的有效性。
引用
@article{arxiv.2010.07684,
title = {Instrumental Variable Regression via Kernel Maximum Moment Loss},
author = {Rui Zhang and Masaaki Imaizumi and Bernhard Schölkopf and Krikamol Muandet},
journal= {arXiv preprint arXiv:2010.07684},
year = {2023}
}
备注
41 pages, accepted by Journal of Causal Inference