Practical Boundary Degeneracy and Reverse-Martingale Limits in Sequential Binary Models
序贯二值模型中的实用边界退化与反向鞅极限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：摘要以逻辑回归与二值结果概率的边界推断为核心，属于离散选择模型的估计与推断范畴，故选择离散选择。
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
序贯二值模型中的实用边界退化与反向鞅极限
- 研究问题
- 摘要称，论文关注序贯二值数据中出现全失败、全成功或逻辑回归完全分离时，分析者是否可据此宣称概率恰为 0 或 1，以及有限数据能支持何种边界陈述。
- 方法与思路
- 作者提出用统一的逆向鞅框架刻画上述三种现象，把边界退化视为极限条件律 M∞=E(Y|G∞) 的性质，并给出同时要求边界接近、不确定宽度与轨迹稳定性三个条件的停止规则 τ_RM。
- 材料陈述的贡献
- 摘要称贡献在于将三类边界退化情形统一到单一逆向鞅框架，并推导出需同时满足边界接近 B_n≤ε、不确定宽度 W_n≤w 与轨迹稳定性 r_n≤η 的停止规则，而非仅依赖边界接近。
- 阅读关注点
- 阅读全文时应核对：逆向鞅框架的构造与正则条件、τ_RM 三条件的精确定义与理论保证、与单侧二项检验和 Wald 序贯概率比检验的关系，以及数值研究与健康经济学数据的具体设定和结论。
- 阅读边界
- 仅凭摘要无法判断定理假设、证明细节、模拟设计与实证数据的可复现性；摘要未说明 τ_RM 的有限样本性质与阈值选择依据。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
A run of all failures, a run of all successes, or complete separation in a logistic regression each tempts the analyst to declare a probability of exactly zero or one. The central message of this paper is that all three phenomena share a common structure: finite sequential data justify practical boundary statements of the form $p\leq\varepsilon$ or $p\geq1-\varepsilon$, but not exact boundary probabilities. The paper's contribution is to unify these three settings under a single reverse-martingale framework and to derive a stopping rule, $τ_{\mathrm{RM}}$, that requires three conditions simultaneously -- boundary closeness $B_n\leq\varepsilon$, uncertainty width $W_n\leq w$, and trajectory stability $r_n\leqη$ -- rather than boundary closeness alone. The reverse-martingale view recasts boundary degeneracy as a property of the limiting conditional law $M_\infty=\E(Y\given\G_\infty)$ rather than a finite-sample event, complementing classical one-sided binomial tests and Wald's sequential probability ratio test without replacing them. Numerical studies across Bernoulli rare-event trials, low- and high-dimensional logistic regression, controlled risk trajectories, and a real health-economics data set demonstrate that boundary closeness alone is an unreliable stopping signal, and that the stability condition separates transient apparent certainty from genuine limiting degeneracy.