2426 पेपर
यह शोध पत्र StarTime का प्रस्ताव करता है, जो एक उत्तल दंड विधि (convex penalization method) है जो उच्च-क्रम ऑटोरेग्रेशन और मिश्रित-आवृत्ति समय श्रृंखला प्रतिगमन (mixed-frequency time series regressions) में आयामी कमी लाने और अनुमान सटीकता में सुधार करने के लिए पारंपरिक नियमितीकरण (regularization) के एक शक्तिशाली विकल्प के रूप में स्पार्स ट्री-आधारित एकत्रीकरण करने हेतु एक पदानुक्रमित टेम्पोरल ट्री का उपयोग करता है।
यह शोध पत्र एक सुदृढ़, प्रोजेक्शन-आधारित नैदानिक ढांचे को प्रस्तुत करता है जो बहुभिन्नचर डेटा (multivariate data) को चार विशिष्ट श्रेणियों में वर्गीकृत करने के लिए क्वांटाइल-आधारित दिशात्मक स्क्यूनेस (skewness) और टेल-अनुपात मापों का उपयोग करता है, जिससे अस्थिर उच्च-क्रम क्षणों (higher-order moments) पर निर्भर किए बिना उपयुक्त मॉडल चयन में मार्गदर्शन मिलता है।
यह शोध पत्र बार-बार होने वाले सर्वेक्षणों के लिए एक डायनेमिक मिनी-मैक्स (DMM) ढांचे को प्रस्तुत करता है जो लागत को लगभग 6.3% कम करने के लिए नमूना आकार और वेव ओवरलैप को संयुक्त रूप से अनुकूलित करता है, जबकि ऑस्ट्रेलियाई जनगणना डेटा और सिमुलेशन के माध्यम से प्रदर्शित किया गया है कि यह शास्त्रीय डिजाइनों की तुलना में जनसंख्या स्तरों और गतिविधियों दोनों के लिए बेहतर सटीकता सुनिश्चित करता है।
यह शोध पत्र tHHDC प्रस्तुत करता है, जो एक नवीन सुदृढ़ क्लस्टरिंग विधि है जो RLG जैसे मौजूदा दृष्टिकोणों की सीमाओं को दूर करने के लिए HDDC ढांचे के भीतर ट्रिमिंग और आइजनवैल्यू बाधाओं को एकीकृत करके उच्च-आयामी डेटा के लिए TCLUST का विस्तार करती है।
यह शोध पत्र दो डेटा-ऑग्मेंटेशन रणनीतियों—फ्रैक्शनल सूडो-गेम्स और फैंटम प्लेयर्स—को पेश करता है ताकि युग्मित तुलना मॉडलों (paired comparison models) के लिए सहज, व्याख्या योग्य रेगुलराइजेशन प्रदान किया जा सके, जो मानक रिज रेगुलराइजेशन के परिणामों की बारीकी से नकल करते हुए अनुमानों को प्रभावी ढंग से स्थिर करता है और गैर-पहचान योग्यता (non-identifiability) की समस्याओं को हल करता है।
यह शोध पत्र जनरललाइज्ड नेटवर्क HAR (GNHAR) मॉडल प्रस्तुत करता है, जो क्रॉस-सेक्शनल स्पिलओवर के एक निर्देशित ग्राफ का लाभ उठाकर मल्टीवेरिएट रियलाइज्ड वोलैटिलिटी के पूर्वानुमान के लिए एक संक्षिप्त और सटीक ढांचा प्रदान करता है, जो विभिन्न मार्केट रेजीमों में मानक बेंचमार्क से बेहतर प्रदर्शन करने के साथ-साथ बाजार की स्थिरता का एक समय-परिवर्तनीय मूल्यांकन भी प्रदान करता है।
यह शोध पत्र सैंपलिंग अनिश्चितता के प्रति पारंपरिक विधियों की संवेदनशीलता को संबोधित करने के लिए कल्याण पछतावे (welfare regret) के एक गैर-रेखीय रूपांतरण के माध्य को न्यूनतम करने का प्रस्ताव देता है, जिससे माध्य वर्ग पछतावे (mean square regret) के लिए बंद-रूप (closed-form) इष्टतम उपचार नियम प्राप्त होते हैं और यह प्रदर्शित होता है कि इस ढांचे में सिंगलटन नियम अनिवार्य रूप से पूर्ण नहीं हैं।
यह शोध पत्र एक बेयसियन मिश्रित बहुआयामी स्केलिंग पद्धति प्रस्तुत करता है जो श्रवण प्रसंस्करण में विषय- और समूह-स्तर की विषमता को संबोधित करती है, जिससे यह स्वतः ही अंतर्निहित आयामीता निर्धारित करती है और यह बेहतर ढंग से समझने के लिए व्याख्या योग्य विशेषताओं को पुनः प्राप्त करती है कि मूल और गैर-मूल श्रोता भाषण ध्वनियों को कैसे मैप करते हैं।
यह शोध पत्र अनमापित कन्फाउंडिंग (unmeasured confounding) के लिए एक नए औसत-मामला संवेदनशीलता मॉडल (average-case sensitivity model) का प्रस्ताव करता है, जो प्रोपेंसिटी स्कोर अनुपात के दूसरे क्षण (second moment) द्वारा पैरामीटराइज्ड है, जो औसत संभावित परिणामों (average potential outcomes) के लिए सटीक क्लोज्ड-फॉर्म बाउंड्स और कुशल अनुमानक (efficient estimators) प्रदान करता है जो पारंपरिक सबसे खराब स्थिति वाले दृष्टिकोणों की तुलना में अधिक कड़े परिणाम और बेहतर अंशांकन (calibration) प्रदान करते हैं।
यह शोध पत्र प्रिंसिपल इग्नोरैबिलिटी (principal ignorability) के तहत प्रिंसिपल स्ट्रैटिफिकेशन थ्योरी (principal stratification theory) का विस्तार प्रिंसिपल जनरलाइज्ड कॉज़ल इफेक्ट एस्टिमैंड्स (principal generalized causal effect estimands) के माध्यम से नॉनलीन कंट्रास्ट्स (nonlinear contrasts) को समाहित करने के लिए करता है, जो कुशल इन्फ्लुएंस फंक्शन्स (efficient influence functions) को व्युत्पन्न करता है जो यू-सांख्यिकी (U-statistics) पर आधारित मल्टीप्ली रोबस्ट (multiply robust) और डिबायस्ड मशीन लर्निंग (debiased machine learning) एस्टिमेटर्स के विकास को सक्षम बनाते हैं।