Abstract
非パラメトリック操作変数回帰（NPIV）において、有限サンプルのカバレッジ保証を備えた、分布非依存の予測区間を構築する方法を提案する。確率的推論における条件付き保証の枠組みに基づき、条件付きカバレッジを、操作変数（IV）のシフトのクラスMathcal{F} に関する周辺（マージナル）カバレッジとして再定式化する。本手法は、サイエル2SLSを含む任意のNPIV推定器、ならびにニューラルネットワークのミニマックス的アプローチなどの機械学習ベースの他のNPIV手法と組み合わせ可能である。理論解析により、実務者が選択したIVシフトのクラスに対して、分布非依存かつ有限サンプルのカバレッジが保証されることを示す。
