XiaoMi-AI文件搜索系统
World File Search System渐近理论
潜在内生性的基于IV的增强学习的渐近理论 *
1这是一部庞大的文献，我们指的是Hausman（1983），Imbens和Angrist（1994）和Chen等。（2005）用于线性模型中IV的理论分析，并参考Hansen（1982），AI和Chen（2003），Newey和Powell（2003）以及Chernozhukov等。（2007）用于在非线性模型中使用IV。有关识别问题和一般使用IV的审查，请参见Imbens（2014）。2个经济学家最近对在业务决策过程中使用RL感兴趣；参见，例如，Blake等。（2015），Calvano等。（2020），Cowgill和Tucker（2020），Li等。（2020）和Johnson等。 （2023）。 3因果RL的另一种方法是基于“定向无环图”（DAG）模型的。 但是，DAG方法需要详细的领域了解国家与行动之间因果关系的知识，从而使其不适用于复杂因果渠道的经济问题（Imbens 2020）。（2020）和Johnson等。（2023）。3因果RL的另一种方法是基于“定向无环图”（DAG）模型的。但是，DAG方法需要详细的领域了解国家与行动之间因果关系的知识，从而使其不适用于复杂因果渠道的经济问题（Imbens 2020）。
![arxiv：2401.17430v1 [stat.me] 2024年1月30日](/simg/g:\will\search\icon\source\2\22b225fd48fd1c357aa1bef9e0dee2a10d4ca273.webp)
arxiv：2401.17430v1 [stat.me] 2024年1月30日
摘要。空间极端的环境数据科学传统上严重依赖最大稳定过程。尽管这些模型的受欢迎程度可能与统计学家达到顶峰，但在许多应用领域中，他们仍然被认为并被视为“最先进”。然而，尽管支持最大稳定过程的渐近理论在数学上是严格且全面的，但我们认为在环境应用中，它在环境应用中也已被过度使用（即使不是滥用），以损害更有目的和经过验证的模型。在本文中，我们回顾了最大过程模型的主要局限性，并强烈反对它们在环境研究中的系统使用。讨论了基于更灵活的框架的替代解决方案 - 讨论了超过适当选择的高阈值的变量的超出作品，并提供了对未来研究的前景，突出了前进的建议，并与极值统计数据一起杂交机器学习提供了机会。