Inference for the correlation coefficient between potential outcomes in the Gaussian switching regime model
高斯转换机制模型中潜在结果相关系数的推断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。
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：摘要围绕潜在结果之间相关性的尖锐界与置信集展开，直接关联因果框架中不能同时观测的潜在结果联合关系。
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
高斯转换机制模型中潜在结果相关系数的推断
- 研究问题
- 在高斯转换机制模型中，如何估计潜在结果相关系数的尖锐界，并在界估计量的渐近分布不连续时构造有效置信集？
- 方法与思路
- 作者提出尖锐界估计量，以边界、内部类别选择程序处理渐近分布的不连续，并构造临界值具有闭式表达的区间置信集。
- 材料陈述的贡献
- 摘要称置信集具有渐近一致有效性且不保守；模拟中，其有限样本表现优于忽略分布不连续问题的朴素置信集。
- 阅读关注点
- 应核对尖锐界依赖的模型限制、类别选择规则及一致有效性的适用范围，并检查模拟是否充分覆盖边界附近的情形。
- 阅读边界
- 仅据所给出版社摘要，无法判断高斯限制的敏感性、非保守性的具体定义或模拟改善幅度，也不能推断其他版本变化。
原文摘要
We propose estimators of sharp bounds on the correlation coefficient between potential outcomes in the Gaussian switching regime model and develop an asymptotically uniformly valid and non-conservative confidence set for the true correlation coefficient. A boundary-interior-category selection procedure is proposed to deal with discontinuity of the pointwise asymptotic distribution of estimators of the sharp bounds. Our confidence set is easy to implement: it takes the form of a closed interval and its critical values have closed-form expressions. Simulation study reveals the better finite sample performance of our confidence set than the naive confidence set ignoring the discontinuity issue.