On Measuring Sensitivity to Parametric Model Misspecification
参数模型误设敏感性的度量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：摘要提出通用参数模型误设敏感性框架，没有足够证据归入指定应用细分。
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
参数模型误设敏感性的度量
- 研究问题
- 参数推断在模型误设下不一致时，如何比较推断偏差与模型偏离程度，并找出给定模型族和目标参数的最坏敏感性？
- 方法与思路
- 作者结合大样本与小误设近似，以推断差异和模型差异之比构造相对敏感性指标，并在正确分布族中求最大值。
- 材料陈述的贡献
- 摘要称，该框架提供最坏情形敏感性度量，且可检查实现最大值的分布，识别模型族与目标参数组合的薄弱之处。
- 阅读关注点
- 应核对两类差异的具体度量、局部近似的有效范围、分布族限制，以及最大值存在性和最坏分布的解释。
- 阅读边界
- 仅据所给Crossref摘要；差异度量和正则条件未提供，局部大样本敏感性不能直接表示任意程度误设的实际偏差。
原文摘要
Summary In settings where parametric inference is inconsistent under model misspecification, the discrepancy between correct and misspecified inferences is compared with the discrepancy between correct and misspecified models. To make the comparison tractable, large sample and small misspecification approximations are employed. The ratio of the approximate discrepancy between inferences to the approximate discrepancy between models is regarded as a relative measure of sensitivity to model misspecification. The maximum ratio over a family of correct distributions is determined as a measure of worst case sensitivity. As well, the distribution producing this maximum can be examined, to see how a particular combination of a parametric family and estimand is susceptible to model misspecifications.