Bootstrap Inference in the Presence of Bias
存在偏差时的自助法推断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：摘要明确将动态面板数据模型列为自助法修复方法的应用例子。
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…
存在偏差时的自助法推断
- 研究问题
- 当估计器具有渐近偏差且偏差项无法一致估计时，是否仍能通过适当的自助法实施获得有效统计推断？
- 方法与思路
- 作者使用预枢轴化变换原始自助法 p 值，提出代入式与双重自助法两种实现，并给出保证推断有效的一般高层条件。
- 材料陈述的贡献
- 摘要称，预枢轴化可恢复自助法有效性，并以模型平均、正则化、非参数回归、无限方差位置模型和动态面板说明应用。
- 阅读关注点
- 应核对偏差与随机误差的相对尺度、两种实现所需条件，以及动态面板例子中原始自助法失效和修复的机制。
- 阅读边界
- 依据 arXiv 2208.02028v3 预印本摘要，不能据此声称已经同行评审或期刊接收，也不能推断刊本变化；具体有效性条件未提供。
原文摘要
We consider bootstrap inference for estimators which are (asymptotically) biased. We show that, even when the bias term cannot be consistently estimated, valid inference can be obtained by proper implementations of the bootstrap. Specifically, we show that the prepivoting approach of Beran (1987, 1988), originally proposed to deliver higher-order refinements, restores bootstrap validity by transforming the original bootstrap p-value into an asymptotically uniform random variable. We propose two different implementations of prepivoting (plug-in and double bootstrap), and provide general high-level conditions that imply validity of bootstrap inference. To illustrate the practical relevance and implementation of our results, we discuss five examples: (i) inference on a target parameter based on model averaging; (ii) ridge-type regularized estimators; (iii) nonparametric regression; (iv) a location model for infinite variance data; and (v) dynamic panel data models.