Optimized Inference in Regression Kink Designs
回归折点设计中的优化推断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：摘要专门研究回归折点设计的置信区间构造，对应因果推断中的设计型推断方法。
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
回归折点设计中的优化推断
- 研究问题
- 研究如何改善回归折点设计中非参数置信区间的有限样本覆盖和长度，并在给定条件均值曲率限制下优化推断。
- 方法与思路
- 作者在条件均值受 Lipschitz 约束的分布类上，数值求解使区间半长度最优的线性极小极大估计量，并据此构造置信区间。
- 材料陈述的贡献
- 摘要称，方法可纳入形状约束，给定 Lipschitz 常数后由数据驱动且计算成本低；模拟与应用展示了覆盖和长度表现。
- 阅读关注点
- 应核对 Lipschitz 约束施加于何种函数或导数、常数的选择依据，以及覆盖保证、误差分布和形状约束的具体要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出覆盖定理条件，所称优化表现依赖设定的函数类与曲率常数。
原文摘要
We propose a method to remedy finite sample coverage problems and improve upon the efficiency of commonly employed procedures for the construction of nonparametric confidence intervals in regression kink designs. The proposed interval is centered at the half-length optimal, numerically obtained linear minimax estimator over distributions with Lipschitz constrained conditional mean function. Its construction ensures excellent finite sample coverage and length properties which are demonstrated in a simulation study and an empirical illustration. Given the Lipschitz constant that governs how much curvature one plausibly allows for, the procedure is fully data driven, computationally inexpensive, incorporates shape constraints and is valid irrespective of the distribution of the assignment variable.