A robust design of a screen for a binary response
二元响应筛查的稳健设计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：摘要中的 probit 用于二元筛查设计，未描述离散选择行为或相应经济模型，分类证据不足。
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
二元响应筛查的稳健设计
- 研究问题
- 对于二元响应筛查，如何利用贝叶斯决策理论选择程序，并在特定程序集合内兼顾最优性与偏离模型假设时的稳健性？
- 方法与思路
- 作者通过贝叶斯决策理论推导筛查程序，并利用线性 probit 模型参数的渐近后验分布构造一个简单的启发式解。
- 材料陈述的贡献
- 摘要称，该解在一类可选程序中最优，并对模型假设的偏离具有稳健性，但未说明程序集合、偏离形式和评价尺度。
- 阅读关注点
- 应核对决策损失和先验、渐近后验近似的条件、允许比较的程序集合，以及稳健性覆盖哪些模型偏离和样本情形。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未说明损失函数和稳健性条件，不能把限定程序类中的最优性解释为普遍最优。
原文摘要
Optimal screening procedures are derived using Bayesian decision theory. A simple heuristic solution is determined using an asymptotic posterior distribution for the parameters in a linear probit model. The solution is shown to be optimal within a class of possible procedures and robust to departures from model assumptions.