Shape-constrained partial identification of a population mean under unknown probabilities of sample selection
未知样本选择概率下总体均值的形状约束部分识别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：摘要利用总体结果分布的对称性与对数凹性约束，研究总体均值的部分识别。
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
未知样本选择概率下总体均值的形状约束部分识别
- 研究问题
- 当样本入选概率未知但被限制在两个固定值之间时，能否利用总体结果分布的形状信息收紧总体均值的识别区间？
- 方法与思路
- 作者在已有比率估计与选择概率界限框架中加入对称性、对数凹性等总体分布约束，并应用于智利少数族群学生成绩。
- 材料陈述的贡献
- 摘要称，辅助形状约束能够获得更紧的总体均值界限，并提供教育成绩应用及 R 软件包 scbounds 的实现。
- 阅读关注点
- 应核对选择概率上下界的设定依据、形状约束的可信程度，以及识别界限是否尖锐、抽样不确定性如何处理。
- 阅读边界
- 仅据版本未注明的索引摘要，界限收紧幅度、约束误设后果与统计推断细节未说明；不能把总体均值界限解释为因果效应。
原文摘要
Estimating a population mean from a sample obtained with unknown selection probabilities is important in the biomedical and social sciences. Using a ratio estimator, Aronow & Lee (2013) proposed a method for partial identification of the mean by allowing the unknown selection probabilities to vary arbitrarily between two fixed values. In this paper, we show how to use auxiliary shape constraints on the population outcome distribution, such as symmetry or log-concavity, to obtain tighter bounds on the population mean. We use this method to estimate the performance of Aymara students, an ethnic minority in the north of Chile, in a national educational standardized test. We implement this method in the R package scbounds.