2411 पेपर
यह शोध पत्र एक निरंतर लेटेंट वेरिएबल और संचयी लॉजिट मॉडल पर आधारित ऑर्डिनल रिस्पॉन्स वेरिएबल्स के लिए एक बहुआयामी डेटा विश्लेषण ढांचे को प्रस्तुत करता है, जो डोमिनेंस और प्रॉक्सिमिटी वेरिएबल्स के बीच अंतर करके सुपरवाइज्ड और अनसुपरवाइज्ड दोनों परिदृश्यों को समाहित करता है, और इसका अनुमान एक व्युत्पन्न एक्सपेक्टेशन-मेजरमेंट-मिनिमाइजेशन एल्गोरिदम का उपयोग करके लगाया जाता है।
यह शोध पत्र एक बहुपदीय कैनोनिकल अपघटन मॉडल प्रस्तावित करता है जो प्रतिभागी और श्रेणी स्कोर को बाधित करने के लिए बाहरी चरों का उपयोग करता है, अनुमान के लिए एक मेजरेशन-मिनिमाइजेशन एल्गोरिदम का उपयोग करता है और लॉग ऑड्स तथा लॉग ऑड्स अनुपातों के माध्यम से बहुभिन्नरूपी बाइनरी डेटा के विश्लेषण के लिए व्याख्यात्मक नियम प्रदान करता है।
यह शोध पत्र विशेष रूप से चरम घटनाओं (extreme events) में ग्रेंजर कार्य-कारणता (Granger causality) का पता लगाने के लिए 'कॉज़ल टेल कोएफिशिएंट' (causal tail coefficient) का लाभ उठाते हुए एक कठोर, मॉडल-मुक्त गणितीय ढांचे को प्रस्तुत करता है, जो गैर-रेखीय, उच्च-आयामी समय श्रृंखलाओं और छिपे हुए कन्फाउंडर्स (hidden confounders) को संभालने में मौजूदा विधियों से बेहतर प्रदर्शन करता है और वित्तीय एवं मौसम संबंधी डेटा में कारण संबंधों की सफलतापूर्वक पहचान करता है।
यह शोध पत्र चार गणनात्मक रूप से व्यवहार्य, बाधा-जागरूक (constraint-aware) विश्वास अंतराल (confidence intervals) प्रस्तावित करता है जो उच्च-आयामी, रैंक-न्यूनता वाले परिदृश्यों में मौजूदा विधियों की तुलना में बेहतर प्रदर्शन के साथ नाममात्र कवरेज प्राप्त करने के लिए डेटा-अनुकूल नमूनाकरण और अनुकूलन-आधारित अंशांकन का उपयोग करते हैं।
यह शोध पत्र एक नवीन सांख्यिकीय परीक्षण ढांचे को प्रस्तुत करता है, जो कार्यात्मक डेटा (functional data) के लिए 'मिसिंग कम्प्लीटली एट रैंडम' (MCAR) धारणा को मान्य करने हेतु नियत विभाजन (deterministic partitions) और क्लस्टरिंग-आधारित दृष्टिकोणों, दोनों का उपयोग करता है, जो केवल अपने डोमेन के उपसमुच्चयों पर देखे जाते हैं।
यह शोध पत्र हाइब्रिड लर्नर (H-learner) को प्रस्तुत करता है, जो एक नवीन मेटा-लर्निंग रणनीति है जो व्यक्तिगत संभावित परिणाम मॉडलिंग के बजाय सटीक CATE अनुमान को प्राथमिकता देकर विषम उपचार प्रभावों (heterogeneous treatment effects) के आकलन के लिए बायस-वेरिएंस ट्रेडऑफ़ को अनुकूलित करने हेतु प्रत्यक्ष और अप्रत्यक्ष नियमितीकरण (regularization) दृष्टिकोणों के बीच अनुकूल रूप से इंटरपोलेट करता है।
यह शोध पत्र एक स्थानीय उपकरण चर (इंस्ट्रुमेंटल वेरिएबल) अनुमानक प्रस्तावित करता है जो मानक प्रतिगमन विच्छेदन डिजाइन (रिग्रेशन डिस्कंटीन्यूटी डिजाइन) को प्लेसबो परिणामों के साथ जोड़ता है ताकि उपचार प्रभावों की निरंतर पहचान तब भी सुसंगत रूप से की जा सके जब रनिंग वेरिएबल का रणनीतिक हेरफेर मानक निरंतरता धारणा का उल्लंघन करता हो।
यह शोधपत्र नॉनलीनियर (nonlinear), नॉन-गॉसियन (non-Gaussian) स्टेट-स्पेस मॉडल्स में स्टेट एस्टिमेशन के लिए रिकर्सिव फॉरवर्ड-बैकवर्ड एल्गोरिदम के एक वर्ग को प्रस्तुत करता है, जिसे एक वेरिएशनल लैग्रेंजियन फॉर्मूलेशन (variational Lagrangian formulation) से व्युत्पन्न किया गया है जो अनुकूल कम्प्यूटेशनल कॉम्प्लेक्सिटी प्राप्त करने के लिए एंट्रोपिक ट्रस्ट-रीजन अपडेट्स (entropic trust-region updates), गॉस-मार्कोव एप्रोक्सिमेशन्स (Gauss-Markov approximations) और जनरलाइज्ड स्टैटिस्टिकल लीनियर रिग्रेशन (generalized statistical linear regression) का उपयोग करता है।
यह शोध पत्र जनरलकृत स्लाइसड इनवर्स रिग्रेशन (GSIR) के लिए एक बेहतर अभिसरण दर (convergence rate) स्थापित करता है जो सौम्य आइजनवैल्यू क्षय और स्मूथनेस स्थितियों के तहत के करीब पहुँच सकती है, जो पिछले बाउंड से काफी बेहतर है और इस पद्धति को अर्ध-प्राचलिक अनुमान (semiparametric estimation) और कार्यात्मक सेटिंग्स में साहचर्य दक्षता (asymptotic efficiency) के लिए सख्त आवश्यकताओं को पूरा करने में सक्षम बनाती है।
यह शोध पत्र आउटकम सबसैंपलिंग वाले अनुदैर्ध्य दो-चरणीय डिजाइनों (longitudinal two-stage designs) में कारण अनुमान (causal inference) के लिए दो कुशल अनुमानकों, IPCW-LTMLE और एक नवीन प्लग-इन LTMLE जो इनवर्स वेटिंग से बचता है, का प्रस्ताव और मूल्यांकन करता है, जो मानक भारित कपलान-मेयर विधियों की तुलना में महत्वपूर्ण विचरण कमी (variance reduction) प्रदर्शित करता है और वैध सांख्यिकीय अनुमान के लिए क्रॉस-फिटेड विचरण अनुमान की आवश्यकता को स्थापित करता है।