Buchumschlag

It's Hard to Be Normal: The Impact of Noise on Structure-agnostic Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Jikai, Mackey, Lester, Syrgkanis, Vasilis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Econometrics Statistics Theory Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2024)

Sharp Structure-Agnostic Lower Bounds for General Linear Functional Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2025)

Inference on Optimal Policy Values and Other Irregular Functionals via Softmax Smoothing
von: Whitehouse, Justin, et al.
Veröffentlicht: (2025)

Automatic Doubly Robust Forests
von: Chen, Zhaomeng, et al.
Veröffentlicht: (2024)

Conditional Influence Functions
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Order-Explicit Linearization of High-Dimensional $U$-Statistics
von: Ritzwoller, David M., et al.
Veröffentlicht: (2024)

An Adversarial Approach to Structural Estimation
von: Kaji, Tetsuya, et al.
Veröffentlicht: (2020)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

The Partial Testimony of Logs: Evaluation of Language Model Generation under Confounded Model Choice
von: Jin, Jikai, et al.
Veröffentlicht: (2026)

Direct Bias-Correction Term Estimation for Average Treatment Effect Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Riesz Regression As Direct Density Ratio Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Regularized DeepIV with Model Selection
von: Li, Zihao, et al.
Veröffentlicht: (2024)

A Note on Doubly Robust Estimator in Regression Discontinuity Designs
von: Kato, Masahiro
Veröffentlicht: (2024)

Debiased Regression for Root-N-Consistent Conditional Mean Estimation
von: Kato, Masahiro
Veröffentlicht: (2024)

What Makes Treatment Effects Identifiable? Characterizations and Estimators Beyond Unconfoundedness
von: Cai, Yang, et al.
Veröffentlicht: (2025)

Nearest Neighbor Matching as Least Squares Density Ratio Estimation and Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects
von: Sert, Gözde, et al.
Veröffentlicht: (2025)

Combining Experimental and Observational Data for Identification and Estimation of Long-Term Causal Effects
von: Ghassami, AmirEmad, et al.
Veröffentlicht: (2022)

Modeling Covariate Transition for Efficient Estimation of Longitudinal Treatment Effects in Randomized Experiments
von: Chihara, Naoki, et al.
Veröffentlicht: (2026)

Smaller Confidence Intervals From IPW Estimators via Data-Dependent Coarsening
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

Learning Causal Representations from General Environments: Identifiability and Intrinsic Ambiguity
von: Jin, Jikai, et al.
Veröffentlicht: (2023)

Semi-Supervised Treatment Effect Estimation with Unlabeled Covariates for Prediction-Powered Causal Inference
von: Kato, Masahiro
Veröffentlicht: (2025)

The Honest Truth About Causal Trees: Accuracy Limits for Heterogeneous Treatment Effect Estimation
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2025)

PUATE: Efficient Average Treatment Effect Estimation from Treated (Positive) and Unlabeled Units
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)

ScoreMatchingRiesz: Score Matching for Debiased Machine Learning and Policy Path Estimation
von: Kato, Masahiro
Veröffentlicht: (2025)

Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration
von: Ngo, Daniel, et al.
Veröffentlicht: (2023)

Bridging the Gap between Empirical Welfare Maximization and Conditional Average Treatment Effect Estimation in Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Nonparametric Instrumental Variable Analysis Without Structural Equations: Debiased Inference on Functionals of Inverse Problems with No Solutions
von: Shen, Zikai, et al.
Veröffentlicht: (2026)

Estimation of Treatment Effects in Extreme and Unobserved Data
von: Tan, Jiyuan, et al.
Veröffentlicht: (2025)

Applied Causal Inference Powered by ML and AI
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2024)

Synthetic Blips: Generalizing Synthetic Controls for Dynamic Treatment Effects
von: Agarwal, Anish, et al.
Veröffentlicht: (2022)

Minimax and Bayes Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2025)

Identification and Debiased Learning of Causal Effects with General Instrumental Variables
von: Chen, Shuyuan, et al.
Veröffentlicht: (2025)

Causal-Policy Forest for End-to-End Policy Learning
von: Kato, Masahiro
Veröffentlicht: (2025)

Direct Debiased Machine Learning via Bregman Divergence Minimization
von: Kato, Masahiro
Veröffentlicht: (2025)

A Unified Theory for Causal Inference: Direct Debiased Machine Learning via Bregman-Riesz Regression
von: Kato, Masahiro
Veröffentlicht: (2025)

Bayesian Semi-supervised Inference via a Debiased Modeling Approach
von: Sert, Gözde, et al.
Veröffentlicht: (2025)

Minimax and Bayes Optimal Adaptive Experimental Design for Treatment Choice
von: Kato, Masahiro
Veröffentlicht: (2025)

Testing Most Influential Sets
von: Konrad, Lucas Darius, et al.
Veröffentlicht: (2025)

The Role of Contextual Information in Best Arm Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2021)