Double and Single Descent in Causal Inference with an Application to High-Dimensional Synthetic Control
Opened this issue · 0 comments
nigimitama commented
背景
- 機械学習界隈のDouble Descent(複雑性の高いモデルを学習していったとき、過学習によって汎化誤差が増加していっていたのがある点をこえるとまた汎化誤差が降下しはじめる現象)を因果推論のモデルに応用する
- 線形回帰の予測精度においてサンプルサイズより多い共変量を入れたモデルが、よりシンプルなモデルを上回るパフォーマンスを確認した
- Synthetic Controlでも同様のことが確認された
- この現象の理論面を検討し、複雑なモデルはシンプルなモデルのmodel-averaging estimatorとして解釈できることを示した
線形回帰
線形回帰による賃金の予測精度でもDouble Descentが発生する
回帰係数のノルムもDouble Descentが発生する
係数の加重和(model averaging estimator)という関係性がある
Synthetic Control
このover-parameterized modelでSynthetic Controlを行う
Double ではなくSingle Descentとなった