Incorrect asymptotic size of subsampling procedures based on post-consistent model selection estimators
一致模型选择后估计量的子抽样推断为何出现渐近大小错误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：摘要讨论一般模型选择后推断与重抽样失效，未指向所列具体领域。
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…
一致模型选择后估计量的子抽样推断为何出现渐近大小错误
- 研究问题
- 对一致模型选择后的估计量、超有效估计量或收缩估计量构造置信区间时，子抽样能否保证可靠的覆盖性质？
- 方法与思路
- 作者在简单正则模型中分析子抽样置信区间的渐近置信大小，并考察 m out of n 自助法及更一般估计量。
- 材料陈述的贡献
- 摘要称相关置信区间的渐近置信大小可为零，并在独立同分布且 m²/n 趋零时给出相应自助法结果。
- 阅读关注点
- 应核对置信大小的定义、导致失效的参数序列，以及模型选择一致性、子样本规模和收缩方式在反例中的作用。
- 阅读边界
- 仅据所给出版社摘要；渐近置信大小为零不能理解为每个固定参数下覆盖率都趋零，结论范围须核对全文条件。
原文摘要
Subsampling and the m out of n bootstrap have been suggested in the literature as methods for carrying out inference based on post-model selection estimators and shrinkage estimators. In this paper we consider a subsampling confidence interval (CI) that is based on an estimator that can be viewed either as a post-model selection estimator that employs a consistent model selection procedure or as a super-efficient estimator. We show that the subsampling CI (of nominal level 1-[alpha] for any [alpha][set membership, variant](0,1)) has asymptotic confidence size (defined to be the limit of finite-sample size) equal to zero in a very simple regular model. The same result holds for the m out of n bootstrap provided m2/n-->0 and the observations are i.i.d. Similar zero-asymptotic-confidence-size results hold in more complicated models that are covered by the general results given in the paper and for super-efficient and shrinkage estimators that are not post-model selection estimators. Based on these results, subsampling and the m out of n bootstrap are not recommended for obtaining inference based on post-consistent model selection or shrinkage estimators.