Short and Simple Confidence Intervals when the Directions of Some Effects are Known
部分效应方向已知时的简短自适应置信区间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：摘要核心是带符号约束的一般回归区间推断，实地实验应用不足以确定给定的领域细分。
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
部分效应方向已知时的简短自适应置信区间
- 研究问题
- 当某些干扰参数的符号已知、但是否需要纳入对应控制变量尚不确定时，如何为目标回归系数构造较短且有效的置信区间？
- 方法与思路
- 作者利用干扰参数的已知符号构造自适应区间，使其在这些参数接近零时趋于较短，并以析因实地实验及校准模拟展示长度性质。
- 材料陈述的贡献
- 摘要称，区间计算简单，在控制变量效应较小时可显著缩短，其他参数值下长度增加有限，并具有参数空间上的一致渐近有效性。
- 阅读关注点
- 应核对符号约束的来源、区间构造、统一覆盖的条件，以及长度缩减与增加分别以何种标准衡量、适用于哪些参数区域。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出完整正则条件，也未说明符号判断错误时的覆盖性质。
原文摘要
We provide adaptive confidence intervals on a parameter of interest in the presence of nuisance parameters when some of the nuisance parameters have known signs. The confidence intervals are adaptive in the sense that they tend to be short at and near the points where the nuisance parameters are equal to zero. We focus our results primarily on the practical problem of inference on a coefficient of interest in the linear regression model when it is unclear whether or not it is necessary to include a subset of control variables whose partial effects on the dependent variable have known directions (signs). Our confidence intervals are trivial to compute and can provide significant length reductions relative to standard confidence intervals in cases for which the control variables do not have large effects. At the same time, they entail minimal length increases at any parameter values. We prove that our confidence intervals are asymptotically valid uniformly over the parameter space and illustrate their length properties in an empirical application to a factorial design field experiment and a Monte Carlo study calibrated to the empirical application.