论正交矩的存在性与信息性

局部鲁棒（LR）/正交/去偏矩在使用机器学习第一步时已被证明有用，但其对于一般参数的存在性尚未被研究。本文给出称为受限局部非满射（RLN）的充要条件，以使此类正交矩存在，从而可在正则半参数模型中对一般感兴趣参数进行鲁棒推断。重要的是，RLN不要求兴趣参数或 nuisance 参数可识别。然而，为使正交矩具有信息性，参数的有效Fisher信息矩阵必须非零（尽管可能奇异）。因此，正交矩的存在与信息性在比先前所认识更一般的条件下成立。我们通过刻画一类含未观测异质性（UH）模型中的正交矩来展示一般结果的效用。对该类模型，我们的方法将函数差分作为特例给出。我们也刻画了UH分布之一般光滑泛函的正交性。作为第二主要应用，我们研究由可能具不同条件变量的矩限制所定义模型的正交矩存在性及其相关性。我们为完全饱和两阶段最小二乘、处理效应中的异质参数、样本选择模型以及流行的差异化产品需求模型找到了正交矩。我们将结果应用于俄勒冈健康实验，以研究医疗补助对不同健康结果的异质处理效应。