AI-Generated Measurements for Identification and Inference with Missing Data: A Weak Shadow Variable Approach
Dieses Paper schlägt ein assumptionsarmes Framework zur partiellen Identifikation vor, das KI-generierte Messungen als „schwache Schattenvariablen“ nutzt, um unter Bedingungen des Missing-Not-At-Random scharfe Grenzen zu konstruieren und Inferenz auf Populationsgrößen durchzuführen, wobei es in semi-synthetischen Experimenten signifikante Verbesserungen der Schätzgenauigkeit und Intervallpräzision gegenüber klassischen Methoden demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.