统计学 > 方法论
[提交于 2022年5月3日
]
标题: 数据融合以预测长期项目影响
标题: Data fusion for predicting long-term program impacts
摘要: 政策制定者经常需要了解项目长期影响的信息,而这些信息在做出决策时可能无法获得。 我们展示如何使用数据融合方法来解决缺失最终结果的问题,并在所需数据可用之前预测干预措施的长期影响。 我们通过将干预措施的数据与辅助的长期数据进行拼接,然后利用短期替代结果来填补缺失的长期结果,并通过复制方法来近似不确定性。 我们使用模拟来检验该方法的性能,并在案例研究中应用该方法。 具体而言,我们将俄勒冈州健康保险实验的数据与国家纵向死亡率研究的数据进行融合,并估计有资格申请补贴健康保险将导致长期死亡率的统计学上显著的改善。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.