Optimal Estimation of Two-Way Effects under Limited Mobility
有限流动下双向效应的最优估计AI 解读 ↓
← 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：摘要直接利用匹配数据的二部图、拉普拉斯特征值与弱连接性研究效应估计。
反馈分类问题
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…
有限流动下双向效应的最优估计
- 研究问题
- 当匹配数据中的流动有限、二部图连接较弱时，如何利用同类匹配信息收缩双向效应，并控制总体估计损失？
- 方法与思路
- 作者构造利用同类匹配模式的经验贝叶斯先验，以拉普拉斯小特征值趋零刻画有限流动，并通过无偏风险估计选择收缩超参数。
- 材料陈述的贡献
- 摘要称，即使二部图弱连接且先验可能误设，估计量仍在复合损失下渐近最优；作者以北卡罗来纳学生教师数据估计教师增值。
- 阅读关注点
- 应核对复合损失与最优性的比较范围、图谱渐近条件、先验如何吸收匹配模式，以及风险估计和教师效应解释的前提。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收状态未核实。摘要未说明最优性所需全部条件，也不能据此保证单个教师效应或排序准确。
原文摘要
We propose an empirical Bayes estimator for two-way effects in linked data sets based on a novel prior that leverages patterns of assortative matching observed in the data. To capture limited mobility we model the bipartite graph associated with the matched data in an asymptotic framework where its Laplacian matrix has small eigenvalues that converge to zero. The prior hyperparameters that control the shrinkage are determined by minimizing an unbiased risk estimate. We show the proposed empirical Bayes estimator is asymptotically optimal in compound loss, despite the weak connectivity of the bipartite graph and the potential misspecification of the prior. We estimate teacher values-added from a linked North Carolina Education Research Data Center student-teacher data set.