AI-Generated Measurements for Identification and Inference with Missing Data: A Weak Shadow Variable Approach
Questo articolo propone un framework di identificazione parziale con scarse assunzioni che sfrutta misurazioni generate dall'IA come "variabili ombra deboli" per costruire limiti netti e condurre l'inferenza su quantità di popolazione in condizioni di dati mancanti non in modo casuale (missing-not-at-random), dimostrando significativi miglioramenti nell'accuratezza della stima e nella precisione degli intervalli rispetto ai metodi classici in esperimenti semi-sintetici.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.