Universal Inference for Incomplete Discrete Choice Models
不完备离散选择模型的通用推断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：题名明确针对不完备离散选择模型，摘要对应讨论集合值预测及其反事实推断。
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
不完备离散选择模型的通用推断
- 研究问题
- 当经验模型给出集合值预测、参数含有干扰成分时，如何为反事实对象及参数函数构造可计算且有限样本有效的区间？
- 方法与思路
- 作者采用稳健版本的 universal inference 框架，为不完备模型的反事实对象及其他参数函数构造区间，避免重抽样和模拟。
- 材料陈述的贡献
- 摘要称该程序具有有限样本有效性，无需矩选择调参，并能处理模型不完备、离散或连续协变量以及含干扰成分的参数。
- 阅读关注点
- 应核对稳健推断构造、有限样本覆盖所需条件，以及集合值预测和干扰参数如何影响区间计算、宽度及反事实解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未给出覆盖保证的具体条件或区间精度，不能据此判断其实际信息量。
原文摘要
A growing number of empirical models exhibit set-valued predictions. This paper develops a tractable inference method with finite-sample validity for such models. The proposed procedure uses a robust version of the universal inference framework by Wasserman et al. (2020) and avoids using moment selection tuning parameters, resampling, or simulations. The method is designed for constructing confidence intervals for counterfactual objects and other functionals of the underlying parameter. It can be used in applications that involve model incompleteness, discrete and continuous covariates, and parameters containing nuisance components.