Confidence Intervals for Nonparametric Empirical Bayes Analysis
非参数经验贝叶斯分析的置信区间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：摘要属于通用经验贝叶斯推断，未明确对应所列经济计量细分领域。
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…
关注这篇论文的作者
非参数经验贝叶斯分析的置信区间
- 研究问题
- 当经验贝叶斯目标仅部分识别，或点估计收敛很慢时，如何为后验均值、局部错误符号率等目标构造可信的频率学区间？
- 方法与思路
- 作者利用重复抽样数据开展非参数经验贝叶斯分析，提出灵活实用的区间方法，并以渐近频率学覆盖作为保证标准。
- 材料陈述的贡献
- 摘要称所构造区间对经验贝叶斯目标具有渐近频率学覆盖，即使目标仅部分识别或点估计收敛很慢亦可适用。
- 阅读关注点
- 应核对经验贝叶斯目标与识别集合的定义、区间构造步骤，以及覆盖保证在部分识别和慢收敛下所需的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明抽样模型、具体构造、区间宽度或有限样本覆盖。
原文摘要
In an empirical Bayes analysis, we use data from repeated sampling to imitate inferences made by an oracle Bayesian with extensive knowledge of the data-generating distribution. Existing results provide a comprehensive characterization of when and why empirical Bayes point estimates accurately recover oracle Bayes behavior. In this paper, we develop flexible and practical confidence intervals that provide asymptotic frequentist coverage of empirical Bayes estimands, such as the posterior mean or the local false sign rate. The coverage statements hold even when the estimands are only partially identified or when empirical Bayes point estimates converge very slowly.