外部信息在数据融合中的有效性：获取前的评估
统计方法学
2025-07-31 v1
摘要
我们考虑一个涉及有限维目标参数向量的一般统计估计问题。除了从分布中抽取的内部数据集之外，外部信息（如额外的个体数据或摘要统计数据）可以通过合适的数据融合技术在纳入后可能改善估计效果。然而，由于获取外部信息往往要付出成本，因此有必要仅使用内部数据事前评估其效用。为此，我们引入一种基于估计效率的效用度量，其定义为纳入外部信息后估计目标参数的半参数效率界限之比。这一度量独立于具体的估计方法，量化了外部信息所能提供的最大潜在效率提升。为在获取外部信息前对该度量进行推断，我们提出了一种仅使用内部数据构建其估计器的通用方法，采用有效影响函数方法。我们探讨了若干具体案例，其中目标参数和外部信息的形式各异，展示了该通用框架的多样性。对于每个案例，我们构建了该度量的点估计和区间估计，并给出它们的渐近性质。仿真研究确认了我们方法在有限样本下的性能，而真实数据应用则突显了其实际价值。在科学研究和商业应用中，我们的框架显著提升了关于获取外部信息的成本效益决策能力。
引用
@article{arxiv.2507.22351,
title = {Is External Information Useful for Data Fusion? An Evaluation before Acquisition},
author = {Guorong Dai and Lingxuan Shao and Jinbo Chen},
journal= {arXiv preprint arXiv:2507.22351},
year = {2025}
}