Estimating Damages in a Class Action Litigation
集体诉讼中的损害金额估计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：摘要讨论诉讼损害金额的误差模型与估计量比较，未明确提出因果效应、分布效应或其他所列方向的方法，因此暂不细分。
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
集体诉讼中的损害金额估计
- 研究问题
- 在集体诉讼中，实际损害金额不能精确获知时，如何分析估计误差的可能来源，并据此比较损害估计方法的偏差与均方误差？
- 方法与思路
- 作者建立刻画潜在误差来源的模型，提出并评估多种损害估计量，其中包括经验贝叶斯估计量和经验最小均方误差估计量。
- 材料陈述的贡献
- 摘要称实践中已使用的估计量存在严重偏差，而经验贝叶斯与经验最小均方误差方法更令人满意；未提供具体比较数值。
- 阅读关注点
- 重点核对损害金额的定义、误差模型与偏差来源、经验贝叶斯的设定，以及最小均方误差准则、评估方式和模型敏感性。
- 阅读边界
- 摘要未说明案件背景、数据来源、误差分布或比较数值；较满意的表现须放在作者模型中理解，无法确定对其他案件是否仍成立。
原文摘要
In a class action litigation, actual damages are not known exactly and must be estimated. Various estimators are proposed and assessed by using a model that identifies possible sources of error. Estimators that have been used in practice are shown to be seriously biased. An empirical Bayes estimator and an empirical minimal mean squared error estimator are found to be more satisfactory methods for estimating damages.