Inference for ROC Curves Based on Estimated Predictive Indices
基于估计预测指标的 ROC 曲线推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用预测评价与 ROC 曲线推断，未明确涉及给定领域中的专门经济问题，故不指定领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于估计预测指标的 ROC 曲线推断
- 研究问题
- 当同一数据同时用于训练预测模型和构造 ROC 曲线时，第一阶段参数估计误差如何影响曲线推断与不同模型的曲线比较？
- 方法与思路
- 作者为基于估计预测值的样本内 ROC 曲线建立逐点和函数型极限理论，并提出模拟极限过程分布及比较曲线的方法。
- 材料陈述的贡献
- 摘要称第一阶段估计误差通常对 ROC 曲线的渐近分布有不可忽略的影响，所提理论与模拟方法用于相应推断和比较。
- 阅读关注点
- 应核对第一阶段模型及预测指标的正则条件、估计误差进入极限过程的方式，以及曲线比较时如何处理同一样本带来的相关性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要仅讨论样本内评价，未说明样本外适用性或有限样本覆盖表现。
原文摘要
We provide a comprehensive theory of conducting in-sample statistical inference about receiver operating characteristic (ROC) curves that are based on predicted values from a first stage model with estimated parameters (such as a logit regression). The term "in-sample" refers to the practice of using the same data for model estimation (training) and subsequent evaluation, i.e., the construction of the ROC curve. We show that in this case the first stage estimation error has a generally non-negligible impact on the asymptotic distribution of the ROC curve and develop the appropriate pointwise and functional limit theory. We propose methods for simulating the distribution of the limit process and show how to use the results in practice in comparing ROC curves.