Predicting binary outcomes
二元结果预测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。
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：摘要研究跨学科的二元分类与效用导向预测，未明确选择行为或宏观金融预测对象。
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
二元结果预测
- 研究问题
- 在预先给定效用或成本函数时，如何利用协变量预测和分类二元结果，并改善模型误设情况下的决策表现？
- 方法与思路
- 作者提出最大得分方法的扩展，直接围绕指定效用或成本构造预测，并分析其性质，与条件概率模型产生的分类比较。
- 材料陈述的贡献
- 摘要称，所提方法具有可分析的理论性质，并且在模型误设时相较既有方法可能获得较大收益，但未报告收益数值。
- 阅读关注点
- 应核对效用函数如何决定分类规则、扩展最大得分的优化形式，以及误设比较采用的模型、评价指标和计算方法。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体理论条件、收益幅度及应用对象；二元预测本身不足以确定离散选择或宏观金融预测领域。
原文摘要
We address the issue of using a set of covariates to categorize or predict a binary outcome. This is a common problem in many disciplines including economics. In the context of a prespecified utility (or cost) function we examine the construction of forecasts suggesting an extension of the Manski (1975, 1985) maximum score approach. We provide analytical properties of the method and compare it to more common approaches such as forecasts or classifications based on conditional probability models. Large gains over existing methods can be attained when models are misspecified.