Adapting to Misspecification
适应模型误设的估计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：摘要研究一般标量参数估计中的稳健性与效率权衡，未说明特定因果、面板或时间序列结构，因此不指定所列细分。
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…
适应模型误设的估计
- 研究问题
- 估计标量参数时，若受限估计量较精确但可能有偏、非受限估计量较稳健但方差较大，如何在偏差界未知时自适应权衡？
- 方法与思路
- 作者研究向受限估计量收缩的规则，并在偏差界未知时最小化相对已知偏差界 oracle 的最坏风险百分比增幅。
- 材料陈述的贡献
- 摘要称，自适应估计量可由加权凸极小极大问题求得，并提供快速计算查找表，通过重访实证研究讨论适应误设的益处。
- 阅读关注点
- 应核对风险函数、偏差界与 oracle 的定义、两个估计量的联合条件，以及查找表和实证比较的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法核实风险界或具体收益；相对 oracle 的最坏风险准则不保证每个参数点均表现更好。
原文摘要
Empirical research typically involves a robustness‐efficiency tradeoff. A researcher seeking to estimate a scalar parameter can invoke strong assumptions to motivate a restricted estimator that is precise but may be heavily biased, or they can relax some of these assumptions to motivate a more robust, but variable, unrestricted estimator. When a bound on the bias of the restricted estimator is available, it is optimal to shrink the unrestricted estimator towards the restricted estimator. For settings where a bound on the bias of the restricted estimator is unknown, we propose adaptive estimators that minimize the percentage increase in worst‐case risk relative to an oracle that knows the bound. We show that adaptive estimators solve a weighted convex minimax problem and provide lookup tables facilitating their rapid computation. Revisiting some well‐known empirical studies where questions of model specification arise, we examine the advantages of adapting to—rather than testing for—misspecification.