2447 पेपर
यह शोध पत्र एक गतिशील कोवेरिएट बैलेंसिंग विधि प्रस्तावित करता है जो पैनल डेटा में समय-परिवर्तनीय उपचारों और उच्च-आयामी कोवेरिएट्स के साथ विषम उपचार प्रभावों (heterogeneous treatment effects) के अनुमान और निष्कर्ष को सक्षम बनाता है, तब भी जब विशेषताओं की संख्या नमूना आकार से अधिक हो।
यह शोध पत्र **cubble** को प्रस्तुत करता है, जो एक R पैकेज है जिसमें एक नवीन डेटा संरचना और कार्यों का एक समूह है जिसे जटिल बहुभिन्नरूपी (multivariate) स्थानिक-कालिक डेटा के संगठन, हेरफेर और एक साथ विश्लेषण को सरल बनाने के लिए डिज़ाइन किया गया है, विशेष रूप से पदानुक्रमित संरचनाओं को संभालने के लिए जैसा कि ऑस्ट्रेलियाई जलवायु डेटासेट के साथ प्रदर्शित किया गया है।
यह शोध पत्र एक एम्पेरिकल बेज़ कोवेरिएंस डिकम्पोजिशन (Empirical Bayes Covariance Decomposition) ढांचे को पेश करके स्पार्स पीसीए (sparse PCA) में मल्टीपल ट्यूनिंग की समस्या का समाधान करता है जो अधिकतम संभावना (maximum likelihood) के माध्यम से सीधे डेटा से हाइपरपैरामीटर्स का अनुमान लगाता है, जिससे एक सिद्धांतपूर्ण और कुशल समाधान प्राप्त होता है जो क्रॉस-वैलिडेशन से बचते हुए विभिन्न संरचनात्मक धारणाओं को समायोजित करता है।
यह शोध पत्र लीनियर रिग्रेशन अनुमानकों के साथ एक संबंध का लाभ उठाते हुए, डिफरेंशियल-प्राइवेट मैट्रिक्स-मास्क्ड डेटा पर लॉजिस्टिक रिग्रेशन के लिए पहले सांख्यिकीय विश्लेषण पद्धति का प्रस्ताव और सत्यापन करता है, जो सैद्धांतिक विश्लेषण, सिमुलेशन और वास्तविक दुनिया के अनुप्रयोगों के माध्यम से नैव (naive) दृष्टिकोणों पर बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र सेंसर या अंतराल-मान वाले परिणामों के लिए इष्टतम भविष्यवाणी सेट (prediction sets) का निर्माण करने हेतु सुसंगत और परिमित-नमूना वैध (finite-sample valid) विधियों को विकसित करता है, जो आंशिक पहचान (partial identification) के तहत ओरेकल प्रेडिक्शन इंटरवल को अभिलक्षणित करता है और अपरिहार्य, आंशिक पहचान, एवं नमूना अनिश्चितताओं को ध्यान में रखने के लिए अनुकूलित कॉन्फॉर्मल इन्फरेंस (conformal inference) को लागू करता है।
यह शोधपत्र प्रारंभिक चर न्यूनीकरण (variable reduction) के पश्चात मॉडलों के कॉन्फिडेंस सेट्स (confidence sets) का निर्माण करने के लिए पर्याप्तता (sufficiency) और अनिसिलरी पृथक्करण (ancillary separation) का उपयोग करते हुए एक फिशरियन सशर्त अनुमान (Fisherian conditional inference) ढांचे का प्रस्ताव करता है, जिससे डेटा पुन: उपयोग (data reuse) की समस्याओं से बचा जा सके और उच्च-आयामी (high-dimensional) परिवेश में सैंपल-स्प्लिटिंग (sample-splitting) का एक सैद्धांतिक रूप से सुदृढ़ विकल्प प्रदान किया जा सके।
यह शोध पत्र 'पर्टर्बड डबल मशीन लर्निंग' (Perturbed Double Machine Learning) का प्रस्ताव करता है, जो एक नवीन अनुमान ढांचा (inference framework) है जो न्यूसेंस अनुमान (nuisance estimation) में यादृच्छिकता (randomness) को सम्मिलित करता है और परिणामों को फ़िल्टर करता है ताकि कम-आयामी मापदंडों (low-dimensional parameters) के लिए वैध सांख्यिकीय कवरेज सुनिश्चित किया जा सके, भले ही न्यूसेंस अनुमानकर्ता शास्त्रीय विधियों के लिए आवश्यक मानक दर से धीमे अभिसरित (converge) होते हों।
यह शोध पत्र 'वेटेड गैप' (Weighted Gap) और 'वेटेड गैप-इंटरसेक्शन' (Weighted Gap-Intersection) अनुक्रमिक परीक्षण प्रक्रियाओं को प्रस्तुत करता है जो मजबूत फैमिली-वाइज एरर रेट नियंत्रण और एसिम्प्टोटिक इष्टतमता प्राप्त करने के लिए भारित लॉग-लाइक्लीहुड रेशियो के माध्यम से पूर्व सूचना को शामिल करते हैं, यहाँ तक कि रैंडम वेट्स वाले उच्च-आयामी परिवेशों में भी।
यह शोधपत्र इंटीग्रल प्रोबेबिलिटी मेट्रिक्स के माध्यम से उनकी समानता को प्रदर्शित करके स्कोर-आधारित और दूरी-आधारित गुडनेस-ऑफ-फिट परीक्षणों को एकीकृत करता है, जिससे एक नए, सार्वभौमिक रूप से सुसंगत और गणनात्मक रूप से कुशल अर्ध-पैरामीट्रिक कर्नलकृत स्टीन डिसक्रेपेंसी (SKSD) परीक्षण का प्रस्ताव मिलता है जो जटिल लाइक्लीहुड और न्युसेंस पैरामीटर्स को प्रभावी ढंग से संभालता है।
यह शोधपत्र एक नवीन बाधित फिडुशियल (constrained fiducial) MCMC विधि प्रस्तावित करता है जो पैरामीट्रिक गॉसियन मॉडलों को फिट करने के लिए केली ट्रांसफॉर्म (Cayley transform) का उपयोग करता है ताकि निर्भर डेटा, जैसे कि समय श्रृंखला (time series) और स्थानिक प्रक्रियाओं (spatial processes) के लिए स्वतंत्रता या समान वितरण की धारणाओं की आवश्यकता के बिना पूर्व-मुक्त (prior-free) अनुमान सक्षम किया जा सके।