关键词non-parametric estimation
搜索结果 - 7
- 选择模型与置换不变性
本文介绍了一种基于非参数估计的选择模型，该模型使用神经网络逼近各种现有选择模型，并扩展到包括对内生特征的估计，同时介绍了一种有效的置信区间构建方法，使用真实数据进行了实证分析，并验证了其在实际应用中的可行性。
- 治疗异质性下的倾向分数回归因果推断
本文提出了一种借助倾向得分回归进行非参数估计的方法，以探究在人群的不同特征下治疗效果的差异，其计算效率高且不受干扰。通过在 NHFS 数据上应用该方法，研究了不同年龄组人群接种疫苗和带薪病假对季节性流感的影响。
- 半参数高效经验高阶影响函数估计
本文提出新的 HOIF 估计器，其具有与 Robins et al.（2008，2016）估计器相同的渐近性质，但不需要估计高维密度，适用于缺失数据和连续协变量的情况。
- 广义随机森林
该研究提出了广义随机森林方法，用于基于随机森林进行非参数统计估计，可以用于拟合任何被识别为满足一组局部矩方程的解的感兴趣数量，提出了一种灵活且计算有效的算法以及新的非参数回归，条件平均偏差估计和异质性治疗效应估计方法，通过本研究可用 GRF - Hawkes 过程的二阶统计特征及非参数估计
本文提出了一种使用 Wiener-Hopf 积分方程系统进行 Hawkes 核矩阵的非参数估计的方法，并描述了这个步骤。作者进行了系统的研究，给出了不同维度（1 到 3）Hawkes 过程的数值估算和一个高频交易和地震时空统计的事件数据的应 - 利用无限可分核从数据中测量熵
本文提出了一个使用再生核希尔伯特空间中的算子直接从数据中非参数地获取熵测度的框架，并定义了类似于量子熵的熵泛函，此方法避免了估计底层概率分布。同时定义了基于核的条件熵和互信息的估计量，并在独立性测试上进行了数值实验且表现良好。
- 对称霍克斯过程的非参数核估计。应用于高频金融数据
提供一种数值方法，可在对称多元 Hawkes 过程中非参数估计核形状，并通过 1D 或 2D Hawkes 过程对高频金融价格数据建模，发现具有长记忆性的自我激励现象的核形状符合慢衰减（幂律）形状。