Robust Inference for Inverse Stochastic Dominance
逆随机占优的稳健推断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：摘要以分位数函数及其多重部分积分比较分布，并将分布排序用于不平等和福利分析，直接对应分位数与分布方向。
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
逆随机占优的稳健推断
- 研究问题
- 在风险、不平等与福利分析中，如何依据分位数及其多重部分积分比较分布，并为逆随机占优排序提供对数据污染较稳健的推断？
- 方法与思路
- 作者采用影响函数方法构建逆随机占优推断，比较固定人口比例处的分位数函数或其多重部分积分，并利用渐近正态性导出检验。
- 材料陈述的贡献
- 摘要称该方法支持受数据污染影响有限的无模型评估，并为不同形式的逆随机占优构造检验；模拟与应用用于展示估计量的特点。
- 阅读关注点
- 核对各阶逆随机占优限制与分位数积分的对应关系、影响函数和方差估计、检验拒绝规则，以及污染情形与比较对象的设定。
- 阅读边界
- 摘要未说明污染类型与程度、稳健性成立条件、应用对象及检验尺寸和功效，不能将有限的污染敏感性理解为对任意异常值稳健。
原文摘要
The notion of inverse stochastic dominance is gaining increasing support in risk, inequality, and welfare analysis as a relevant criterion for ranking distributions, which is alternative to the standard stochastic dominance approach. Its implementation rests on comparisons of two distributions’ quantile functions, or of their multiple partial integrals, at fixed population proportions. This article develops a novel statistical inference model for inverse stochastic dominance that is based on the influence function approach. The proposed method allows model-free evaluations that are limitedly affected by contamination in the data. Asymptotic normality of the estimators allows to derive tests for the restrictions implied by various forms of inverse stochastic dominance. Monte Carlo experiments and an application promote the qualities of the influence function estimator when compared with alternative dominance criteria.