Nonparametric classes of weight functions to model publication bias
用于出版偏差建模的非参数权重函数类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：摘要研究元分析出版偏差与稳健推断，未明确所列计量领域细分的研究对象。
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
用于出版偏差建模的非参数权重函数类
- 研究问题
- 元分析中出版偏差难以确定时，权重函数设定的不确定性如何影响置信区间覆盖率和贝叶斯后验结论？
- 方法与思路
- 作者引入权重函数的非参数ε污染类，在整个函数类上考察结果范围，求覆盖率下界及后验量的上下界。
- 材料陈述的贡献
- 摘要称，轻微出版偏差下结论较稳健，较强偏差下常规区间覆盖不稳健，并为后一情形提出替代区间估计量。
- 阅读关注点
- 应核对污染类与权重函数的定义、污染程度的设定依据，以及覆盖率界、替代区间和后验界的具体构造条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，轻微与较强偏差的界限、替代区间的性质和先验条件未说明，不能据此诊断具体文献。
原文摘要
This paper addresses the use of weight functions to model publication bias in meta-analysis. Since publication bias is hard to gauge, a nonparametric ε-contamination class of weight functions is introduced. Sensitivity of conclusions to the specification of the weight function is explored by examining the range of results for the entire ε-contamination class. First, lower bounds are found on the coverage of confidence intervals. If little publication bias is suspected, results are robust even when considered over the entire ε-contamination class. However, if more substantial publication bias is suspected, then the coverage provided by the usual interval estimator is not robust. In this case, an alternative interval estimator is suggested. Secondly, for the case in which prior information is available, upper and lower bounds are found on posterior quantities of interest.