PPI 是差分估计器：识别预测驱动推断的抽样根源
统计方法学
2026-03-20 v1 机器学习
摘要
预测驱动推断（PPI）是快速发展的框架，用于将机器学习预测与小规模金标准标签结合以进行有效的统计推断。本文认为，PPI 背后的核心估计器等价于 1970 年代文献中已建立的估计器。具体而言，PPI 用于估计总体均值的估计器在代数上等价于 Cassel 等人（1976）提出的差分估计器，而 PPI 加则等价于 Sarndal 等人（2003）提出的广义回归（GREG）估计器。认识到这种等价性后，我考虑了 PPI 继承自长期统计文献的部分内容、真正新颖的部分内容，以及哪些推断主张需要谨慎。在介绍这两个框架并建立等价性后，我分解了 PPI 与模型辅助估计之间的差异，包括推断模式、未标记数据池的作用，以及差分预测误差对子群估计量（如平均处理效应）的影响。随后，我识别了每个框架从另一个框架处获得的贡献：PPI 研究人员可以借助抽样文献中已发展完善的校准理论、最优配置和基于设计的诊断工具；而抽样文献研究人员则可从 PPI 的非标准估计量扩展以及易于使用的软件生态系统中受益。本文以呼吁这两个社区整合为结尾，这一呼吁是基于大语言模型作为应用研究中测量工具的日益增长的使用。
引用
@article{arxiv.2603.19160,
title = {PPI is the Difference Estimator: Recognizing the Survey Sampling Roots of Prediction-Powered Inference},
author = {Reagan Mozer},
journal= {arXiv preprint arXiv:2603.19160},
year = {2026}
}