最近邻匹配：作为最小二乘密度比估计与里齐斯回归
计量经济学
2025-10-29 v1 机器学习
统计理论
统计方法学
机器学习
统计理论
摘要
本研究证明了最近邻匹配（Nearest Neighbor, NN）可被解释为自动去偏机械学习中的一种里齐斯回归（Riesz regression）实例。Lin 等（2023）证明了最近邻匹配是密度比估计（density-ratio estimation）的一个实例，他们提出了一种新的密度比估计方法。Chernozhukov 等（2024）发展了用于自动去偏机械学习的里齐斯回归，该方法通过最小化均方误差直接估计里齐斯表示子（或等价于偏差校正项）。本研究首先证明了Lin 等（2023）提出的密度比估计方法本质上等价于Kanamori 等（2009）用于直接密度比估计的最小二乘重要性拟合（Least-Squares Importance Fitting, LSIF）。此外，我们在LSIF框架下推导了里齐斯回归。基于这些结果，我们从里齐斯回归推导了最近邻匹配。本研究基于我们的工作Kato（2025a）和Kato（2025b）。
引用
@article{arxiv.2510.24433,
title = {Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression},
author = {Masahiro Kato},
journal= {arXiv preprint arXiv:2510.24433},
year = {2025}
}