广义线性模型(GLMs)及比例渐近下双鲁棒函数量的矩法推断

Xingyu Chen; Lin Liu; Rajarshi Mukherjee

广义线性模型(GLMs)及比例渐近下双鲁棒函数量的矩法推断

统计理论 2025-05-07 v3 计量经济学统计方法学机器学习统计理论

作者: Xingyu Chen , Lin Liu , Rajarshi Mukherjee

摘要

本文考虑高维广义线性模型(GLMs)中回归系数和信噪比(SNR)的估计，并探讨其在推断诸如高维观察性研究中平均处理效应等流行 estimand 的中的影响。在“比例渐近”范式下且具有已知( population)协方差矩阵 $\Sigma$ 的高斯协变量下，我们通过一种矩法类型的估计器推导出我们目标推断的一致且渐近正态(CAN)估计，这种估计器完全绕过了高维 nuisance 函数的估计以及超参数调优。此外，在非高斯协变量下，我们展示了在回归系数和 $\Sigma$ 的特定额外假设下，我们结果的普适性。我们还展示，在样本协方差矩阵估计器可逆时，知道 $\Sigma$ 并非对我们提出的方法是必需的。最后，我们用数值实验和与现有文献的比较来补充我们的理论结果。

关键词

广义线性模型矩法比例渐近双鲁棒信噪比平均处理效应

引用

@article{arxiv.2408.06103,
  title  = {Method-of-Moments Inference for GLMs and Doubly Robust Functionals under Proportional Asymptotics},
  author = {Xingyu Chen and Lin Liu and Rajarshi Mukherjee},
  journal= {arXiv preprint arXiv:2408.06103},
  year   = {2025}
}

备注

21 figures, 8 tables; updated funding

广义线性模型(GLMs)及比例渐近下双鲁棒函数量的矩法推断

摘要

关键词

引用

备注

相关论文