Efficient Estimation Under Data Fusion
数据融合下的有效估计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：论文核心是一般光滑参数的数据融合效率理论，处理效应仅作为背景例子，细分类证据不足。
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…
关注这篇论文的作者
数据融合下的有效估计
- 研究问题
- 多个来源分别与目标总体分布的不同部分相符时，如何联合利用这些数据估计光滑有限维参数，并刻画可能的效率收益？
- 方法与思路
- 作者建立允许各分布部分对应一个或多个来源的数据融合框架，通过半参数效率界刻画收益，并给出达到该界的估计器构造。
- 材料陈述的贡献
- 摘要称数据融合可降低半参数效率界，并在数值实验及两项 HIV 疫苗试验融合应用中展示所提估计器的效率收益。
- 阅读关注点
- 应核对来源与目标分布的对齐要求、各来源样本如何进入效率界，以及可实施估计器达到该界所需的估计与正则条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未详述对齐假设及效率增益数值，不能认定融合任意来源都能改善估计。
原文摘要
We aim to make inferences about a smooth, finite-dimensional parameter by fusing data from multiple sources together. Previous works have studied the estimation of a variety of parameters in similar data fusion settings, including in the estimation of the average treatment effect and average reward under a policy, with the majority of them merging one historical data source with covariates, actions, and rewards and one data source of the same covariates. In this work, we consider the general case where one or more data sources align with each part of the distribution of the target population, for example, the conditional distribution of the reward given actions and covariates. We describe potential gains in efficiency that can arise from fusing these data sources together in a single analysis, which we characterize by a reduction in the semiparametric efficiency bound. We also provide a general means to construct estimators that achieve these bounds. In numerical experiments, we illustrate marked improvements in efficiency from using our proposed estimators rather than their natural alternatives. Finally, we illustrate the magnitude of efficiency gains that can be realized in vaccine immunogenicity studies by fusing data from two HIV vaccine trials.