2434 ورقة بحثية
تقترح هذه الورقة إطاراً قائماً على التصميم وإجراء اختبار عشوائي مقابل له لتقييم دقة توصيف خرائط التعرض تجريبياً في الاستدلال السببي تحت ظروف التداخل الشبكي، مع توفير ضمانات نظرية وإثبات الفعالية من خلال عمليات المحاكاة وتجربة ميدانية.
تُطوّر هذه الورقة طرقاً لتحديد الاستدلال والاستدلال للآثار السببية في الأحداث المتطرفة من خلال تحليل معامل الذيل السببي ضمن النماذج الهيكلية الخطية، مبرهنةً على كيفية تأثير مؤشرات الذيل غير المتجانسة والمربكات ذات الذيول الثقيلة على تحديد البنية السببية، ومقترحةً مُقدِّرات واختبارات معدلة لاستعادة العلاقات السببية التي غالباً ما تغفلها الطرق القائمة على المتوسط.
تقدم هذه الورقة "اختبار التصنيف"، وهو إطار إحصائي جديد يسمح للباحثين بتعيين تقديرات كمية للفئات النوعية ذات الصلة موضوعياً مع معدلات خطأ مضبوطة أو إعلان النتائج غير حاسمة، محاججةً بأن هذا النهج يحسن من اختبار الفرضيات القياسي من خلال الفصل بشكل أفضل بين الاحتمالات المتنافسة وتعريض الفرضيات للتفنيد.
تقدم هذه الورقة RICOT، وهي طريقة نقل أمثل مُعايرة بـ "ريز" (Riesz-calibrated) تعمل على تصحيح الانحيازات المتأصلة في مناهج النقل القياسية لتحقيق تقدير متين مزدوجًا (doubly robust) وفعال شبه معلمي (semiparametrically efficient) لآثار التجارب العشوائية في المجموعات السكانية المستهدفة في العالم الحقيقي، حتى في ظل ظروف الخطأ في توصيف النموذج وضعف تداخل المتغيرات المصاحبة.
تقترح هذه الورقة طريقة تحكم اصطناعي ذات مرحلتين تأخذ في الاعتبار التبني المبكر في عمليات التنفيذ المتدرجة للسياسات لتصحيح التحيز في تقديرات الأثر، وتطبقها لتجد أن برامج مراقبة الأدوية الموصوفة قد قللت على الأرجح من صرف الأفيونيات، رغم أن النتائج لم تكن ذات دلالة إحصائية.
تقدم هذه الورقة "التقطير المحلي"، وهو إطار عمل يحقق دقة عالية وقابلية للتفسير من خلال تدريب نماذج "طالب" خطية منتظمة بتوجيه من نماذج "معلم" الصندوق الأسود عند كل نقطة استعلام، وذلك باستخدام تقنية عشوائية مبتكرة لضمان استقرار اختيار الميزات والكشف عن مجموعات فرعية متباينة من المرضى تغفل عنها النماذج العالمية أو نماذج الصندوق الأسود.
تقدم هذه الورقة "تعلم الآلة المعاير منزوع التحيز" (Calibrated Debiased Machine Learning)، وهي طريقة تعزز المقدرات المتينة المزدوجة القياسية بالانحدار الرتيب لتحقيق التوزيع الطبيعي التقاربي والاستدلال الصحيح حتى عندما يتم تقدير دالة واحدة فقط من الدالتين المزعجتين بشكل متسق، مما يحل عدم التطابق المعتاد بين متطلبات الاتساق والتوزيع الطبيعي.
تقترح هذه الورقة إطاراً عاماً لتحديد هوية نماذج العوامل للسلاسل الزمنية المصفوفية عالية الأبعاد، يستبدل القيود الكلاسيكية بدوال مرنة متغيرة عبر الزمن لضمان قابلية تحديد المعلمات، مع تقديم مُقدِّر "لاسو" مدمج مزدوج التكيف لاستعادة التأثيرات الرئيسية المتفرقة باتساق في ظل وجود قوى عوامل ضعيفة.
تقترح هذه الورقة اختباراً إحصائياً جديداً، متاحاً في كل من الصيغتين المعلمية واللامعلمية، لتحديد ما إذا كانت مجموعتان من البيانات التركيبية ذات أنماط متميزة من الأصفار الهيكلية تشتركان في فضاء فرعي رئيسي مشترك مع الحفاظ على التوافق مع هندسة آيتشيسون.
تقدم هذه الورقة طريقة مبتكرة لتقدير شجرة الإجماع، حيث تصيغ المشكلة كعملية اختيار ميزات مهيكلة باستخدام الرتب الجزئية للتحكم في معدل الاكتشاف الخاطئ، واستيعاب هياكل الأشجار المتنوعة، وتوفير ضمانات خالية من النموذج، كما تم توضيحه في دراسة حول أصول الحياة المعقدة.