跳到正文
arXiv · NLP· Howard Kim·· 7 天前AI 评分21

小样本调查中,部分池化作为估计量优于合成受访者

Partial pooling beats synthetic respondents as estimators, not as covariates: a preregistered small-sample tournament

AI 导读

预注册小样本测试显示,部分池化作为估计量优于合成受访者。 在五种校准预算下,多水平部分池化模型在所有仅校准估计量中领先,100名受访者的表现匹配直接估计需4倍样本量。 合成受访者作为协变量嵌入模型时,在未见过的细分领域中有效,优于单独使用。

来源:arXiv · NLP · arxiv.org