.png){kind=icon}
返回
Robust universal inference for misspecified models
.png){kind=icon}
OA
AI
DOI：10.1093/biomet/asaf070.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在统计推断中，很少能现实地假设假设的统计模型是良好指定的；因此，理解误设对推断程序的影响很重要。当假设的统计模型被误设时，推断的自然目标是数据生成分布在模型上的投影。我们提出了一种在弱正则性条件下构造此类投影的合理置信集的通用方法，尽管可能存在模型误设。我们的方法基于普遍推断方法，并基于反转相对拟合的分割样本检验族。我们研究了我们的方法为各种投影分布产生精确或近似、有限样本合理置信集的设置。我们考察了所得置信集围绕其推断目标收缩的速率，并通过模拟研究和使用CausalEffectPairs数据集的线性因果模型的因果发现研究补充了这些结果。
Keyword:
Goodness of fit
Misspecification
Sample splitting
期刊
B
IF:
2.8
论文数:
34
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容