Buchumschlag

Bias-Reduced Estimation of Finite Mixtures: An Application to Latent Group Structures in Panel Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Langevin, Raphaël
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Machine Learning Econometrics Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Inference Methods for Latent Group Panel Models under Possible Group Non-Separation
von: Akgun, Oguzhan, et al.
Veröffentlicht: (2025)

Adaptive Principal Component Regression with Applications to Panel Data
von: Agarwal, Anish, et al.
Veröffentlicht: (2023)

Double Machine Learning for Static Panel Data with Instrumental Variables: New Method and Applications
von: Baiardi, Anna, et al.
Veröffentlicht: (2026)

xtdml: Double Machine Learning Estimation to Static Panel Data Models with Fixed Effects in R
von: Polselli, Annalivia
Veröffentlicht: (2025)

Detecting and Mitigating Group Bias in Heterogeneous Treatment Effects
von: Persson, Joel, et al.
Veröffentlicht: (2026)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
von: Zhou, Guanhao, et al.
Veröffentlicht: (2025)

Double Machine Learning meets Panel Data -- Promises, Pitfalls, and Potential Solutions
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Policy Learning with Observational Data: The Case of Hepatitis C Treatment for HIV/HCV Co-Infected Patients
von: Langevin, Raphaël
Veröffentlicht: (2026)

Identification of Average Treatment Effects in Nonparametric Panel Models
von: Athey, Susan, et al.
Veröffentlicht: (2025)

Group Shapley Value and Counterfactual Simulations in a Structural Model
von: Kwon, Yongchan, et al.
Veröffentlicht: (2024)

Estimation and Inference for Causal Functions with Multiway Clustered Data
von: Liu, Nan, et al.
Veröffentlicht: (2024)

Adaptive Estimation and Uniform Confidence Bands for Nonparametric Structural Functions and Elasticities
von: Chen, Xiaohong, et al.
Veröffentlicht: (2021)

Synthetic Potential Outcomes and Causal Mixture Identifiability
von: Mazaheri, Bijan, et al.
Veröffentlicht: (2024)

Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach
von: Zhan, Ruohan, et al.
Veröffentlicht: (2024)

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

Efficient Bias Correction for Cross-section and Panel Data
von: Hahn, Jinyong, et al.
Veröffentlicht: (2022)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
von: Singh, Aman
Veröffentlicht: (2026)

Doubly Robust Inference in Causal Latent Factor Models
von: Abadie, Alberto, et al.
Veröffentlicht: (2024)

Entrywise Inference for Missing Panel Data: A Simple and Instance-Optimal Approach
von: Yan, Yuling, et al.
Veröffentlicht: (2024)

Latent Variable Estimation in Bayesian Black-Litterman Models
von: Lin, Thomas Y. L., et al.
Veröffentlicht: (2025)

Optimal Bias-Correction and Valid Inference in High-Dimensional Ridge Regression: A Closed-Form Solution
von: Gao, Zhaoxing, et al.
Veröffentlicht: (2024)

Distributed Causality in the SDG Network: Evidence from Panel VAR and Conditional Independence Analysis
von: Fahim, Md Muhtasim Munif, et al.
Veröffentlicht: (2026)

Calibration Strategies for Robust Causal Estimation: Theoretical and Empirical Insights on Propensity Score-Based Estimators
von: Klaassen, Sven, et al.
Veröffentlicht: (2025)

Robust Matrix Estimation with Side Information
von: Agarwal, Anish, et al.
Veröffentlicht: (2026)

K-Means Panel Data Clustering in the Presence of Small Groups
von: Nishi, Mikihito
Veröffentlicht: (2025)

Estimating Dyadic Treatment Effects with Unknown Confounders
von: Hoshino, Tadao, et al.
Veröffentlicht: (2024)

Estimating Wage Disparities Using Foundation Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2024)

Estimating the Value of Evidence-Based Decision Making
von: Abadie, Alberto, et al.
Veröffentlicht: (2023)

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

Estimation of Optimal Dynamic Treatment Assignment Rules under Policy Constraints
von: Sakaguchi, Shosei
Veröffentlicht: (2021)

Estimating Causal Effects with Double Machine Learning -- A Method Evaluation
von: Fuhr, Jonathan, et al.
Veröffentlicht: (2024)

Double Debiased Covariate Shift Adaptation Robust to Density-Ratio Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2023)

Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
von: Shirani, Sadegh, et al.
Veröffentlicht: (2025)

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Measuring the Driving Forces of Predictive Performance: Application to Credit Scoring
von: Sullivan, Hué, et al.
Veröffentlicht: (2022)

Estimating Treatment Effects using Multiple Surrogates: The Role of the Surrogate Score and the Surrogate Index
von: Athey, Susan, et al.
Veröffentlicht: (2016)

Transfer Learning for Spatial Autoregressive Models with Application to U.S. Presidential Election Prediction
von: Zeng, Hao, et al.
Veröffentlicht: (2024)

A note on simulation methods for the Dirichlet-Laplace prior
von: Gruber, Luis, et al.
Veröffentlicht: (2025)

Robustly estimating heterogeneity in factorial data using Rashomon Partitions
von: Venkateswaran, Aparajithan, et al.
Veröffentlicht: (2024)

Data-Automated Policy Learning for Nonlinear Welfare
von: Ai, Chunrong, et al.
Veröffentlicht: (2026)