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。
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：摘要以总体结果分布的对称性和对数凹性约束收紧均值识别界，直接涉及分布约束分析。
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…
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
- 当样本选择概率未知且只能限制在给定区间内时，能否利用总体结果分布的形状信息收紧总体均值的部分识别区间？
- 方法与思路
- 作者在已有比率估计与选择概率上下界框架中加入对称性、对数凹性等分布约束，并用于智利艾马拉学生的教育测验分析。
- 材料陈述的贡献
- 摘要称辅助形状约束可以得到更紧的总体均值界，并提供教育测验应用及实现该方法的 R 软件包 scbounds。
- 阅读关注点
- 应核对选择概率界和形状约束的依据、所得界是否尖锐，以及计算程序如何处理样本误差和教育测验样本的选择机制。
- 阅读边界
- 所给版本为 arXiv 预印本，不能认定已同行评审或期刊接收；摘要未说明推断方法、界的具体宽度及形状约束误设的影响。
原文摘要
A prevailing challenge in the biomedical and social sciences is to estimate a population mean from a sample obtained with unknown selection probabilities. Using a well-known ratio estimator, Aronow and Lee (2013) proposed a method for partial identification of the mean by allowing the unknown selection probabilities to vary arbitrarily between two fixed extreme values. In this paper, we show how to leverage 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 new statistical software package scbounds for R.