跳到正文
← 返回论文列表与筛选
阅读说明

本页整理公开书目信息,不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成,未完成全文核验,可能有误;具体假设、证明与结论请核对原文。摘要保留来源文本,未经模型改写。

DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要;缺少可靠材料时保留待补状态。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

引用量采用 OpenAlex 单条关联记录,不合计多个记录;关联记录可能包含正式发表版本,不等于此版本单独引用。缺失不视为零,引用指标不代表论文质量。

关注作者按书目中的完整姓名匹配,同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列,再参考通用方法与发表日期。

分类依据与纠错

AI 根据所提供的论文材料归类:题名与摘要明确讨论非参数工具变量、结构方程及其逆问题估计目标,直接涉及结构估计中的模型限制与推断。

反馈分类问题

Nonparametric Instrumental Variable Analysis Without Structural Equations: Debiased Inference on Functionals of Inverse Problems with No Solutions

无须结构方程的非参数工具变量分析:无精确解逆问题的泛函去偏推断

正在核对关联版本…

代码、数据与补充材料

正在核对对应版本的资源…

关注这篇论文的作者
Zikai Shen
Nathan Kallus
Dimitri Meunier
Houssam Zenati
Arthur Gretton
Aurélien Bibaut

无须结构方程的非参数工具变量分析:无精确解逆问题的泛函去偏推断

研究问题
当无限维逆问题可能不存在精确解时,如何对仍有定义的有限维目标进行有效推断,并避免强加结构方程精确成立?
方法与思路
作者围绕无限维最小二乘解的有限维泛函构建去偏推断,使目标在精确解不存在时仍有定义,存在时对应通常的估计对象。
材料陈述的贡献
摘要称该框架弱化了精确解存在的要求;在工具变量应用中,即使作为动机的结构模型不精确成立,半参数推断仍可有效。
阅读关注点
应核对无精确解时目标的具体定义、最小二乘解的存在与唯一性、正则化及去偏条件,以及目标的经济解释如何变化。
阅读边界
这是 arXiv 预印本,同行评审或接收未核实。摘要未说明泛函与逆算子的具体限制,推断有效也不自动赋予替代目标因果含义。

原文摘要

We consider debiased inference on finite-dimensional functionals of infinite-dimensional least-squares solutions to inverse problems as a way to avoid having to assume exact solutions exist. Such assumptions are substantive and not innocuous, and their failure may imperil inference when we impose them on the statistical model. Our approach instead allows us to conduct inference on a quantity that is defined regardless of solutions existing and coincides with the usual estimands when they do. For the case of instrumental variables, this means we can motivate the analysis with structural models but these do not need to hold exactly for the semiparametric inferential procedure to remain valid.

笔记与分组
相关领域论文