关于 Heckman 选择模型中预测特征分配的研究

在非随机缺失（MNAR）样本选择偏差下，预测模型的性能常会退化。本文关注 MNAR 样本选择偏差的一个经典实例：样本子集的结果非随机缺失。Heckman 选择模型及其变体常被用于处理此类样本选择偏差。Heckman 模型使用两个独立方程对样本的预测和选择建模，其中选择特征包含所有预测特征。使用 Heckman 模型时，必须从选择特征集中恰当选取预测特征。然而，为 Heckman 模型选取恰当的预测特征是一项艰巨任务，尤其在选择特征数量庞大时。现有使用 Heckman 模型的方法通常手动给定一组预测特征。本文中，我们提出 Heckman-FA，作为一种新颖的数据驱动框架，用于获取 Heckman 模型的预测特征。Heckman-FA 首先训练一个分配函数，判定某个选择特征是否被分配为预测特征。利用训练所得函数的参数，该框架基于给定所选预测特征下预测模型的拟合优度，以及预测与选择方程噪声项间的相关性，提取出合适的预测特征集。在真实数据集上的实验结果表明，Heckman-FA 在 MNAR 样本选择偏差下生成了鲁棒的回归模型。