True and Pseudo-True Parameters
真实参数与伪真实参数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：摘要研究通用的模型误设、最小距离、贝叶斯决策与覆盖率，没有足够文本证据归入所给的具体应用领域。
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…
真实参数与伪真实参数
- 研究问题
- 误设模型中的估计量趋向伪真实值时，该值在什么条件下具有决策意义，又如何对真正关注的参数表达不确定性？
- 方法与思路
- 作者在总体线性最小距离问题中研究贝叶斯决策者，刻画使后验集中于伪真实值的先验序列，并构造置信区间。
- 材料陈述的贡献
- 摘要称后验向伪真实值集中对先验扰动较脆弱，同时给出在所研究先验类中保障真实参数平均覆盖率的区间。
- 阅读关注点
- 应核对真实参数在误设模型中的定义、先验类的限制、平均覆盖率的概率含义，以及该保障与常规覆盖率的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；不限制误设大小的覆盖率结论限于所研究先验类，摘要未交代全部条件。
原文摘要
Parameter estimates in misspecified models converge to pseudo-true parameter values, which minimize a population objective function. Pseudo-true values often differ from quantities of economic interest, raising questions of how, if at all, they are relevant for decision-making. To study this question we consider Bayesian decision-makers facing a linear population minimum distance problem. Within a class of priors motivated by the minimum distance objective, we characterize prior sequences under which posteriors concentrate on the pseudo-true value. This convergence is fragile to small changes in priors, implying that pseudo-true values are relevant for decision-making only in special cases. Constructive results are nevertheless possible in this setting, and we derive simple confidence intervals that guarantee correct average coverage for the true parameter under every prior in the class we study, with no bound on the magnitude of misspecification.