When Predictions Become Regressors: A Split-Sample Correction for Biases in Downstream Inference
当预测成为回归变量：下游推断偏差的分样本修正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：摘要核心是预测生成解释变量的测量误差修正，未明确给出所列细分方向的充分依据。
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
当预测成为回归变量：下游推断偏差的分样本修正
- 研究问题
- 当大语言模型或其他机器学习预测被用作回归解释变量时，如何修正测量误差导致的估计偏差，同时避免收集额外数据？
- 方法与思路
- 作者从原始数据的独立划分中构造多个预测测度，以这些测度形成工具变量，并通过模拟和两个政治经济应用展示偏差修正。
- 材料陈述的贡献
- 摘要称，该分样本工具变量方法具有理论有效性且无需新增数据；模拟中估计接近真值，并重新分析议会语言和政治风险应用。
- 阅读关注点
- 应核对数据划分与测度生成流程、工具变量相关性及有效性条件，以及不同预测测度误差之间的依赖如何影响修正。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核验。摘要未列出工具变量成立的完整条件，也不能据此认定任意预测生成变量均可修正。
原文摘要
Prediction-based methods, including Large Language Models (LLMs) and other machine learning techniques, are often used to construct measures of political phenomena that are difficult to quantify directly, such as policy positions in manifestos or emotions expressed on social media. In many applications, these prediction-generated measures are used as explanatory variables in regression models, even though they are measured with error. This leads to biased estimates. In this paper, we propose a simple solution to these biases: instrumental variables constructed from multiple measures created on independent splits of the original data. This approach is theoretically valid, easy to implement, and does not require new data. Through simulations, we show that this approach recovers estimates close to the true values, even in relatively small samples, while the standard approach can produce substantial bias in practice. We illustrate the method by revisiting two applications: whether gendered speech affects legislative outcomes in the German Parliament, and whether political risk influences poverty alleviation programs in China.