Inference on Consensus Ranking of Distributions
分布共识排序的统计推断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：摘要围绕结果分布的效用排序、随机占优及相应统计推断展开。
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
分布共识排序的统计推断
- 研究问题
- 比较两个收益、收入或其他结果分布时，如何估计支持某一分布具有更高期望效用的效用函数集合，从而衡量排序共识的范围？
- 方法与思路
- 作者通过控制族错误率的多重检验反演构造效用函数集合的内外置信集，并利用经验过程理论建立效用差的一致置信带。
- 材料陈述的贡献
- 摘要称同时提供共识集合的内外覆盖保障、期望效用差的一致置信带，以及将受限随机占优作为原假设或备择的检验。
- 阅读关注点
- 应核对效用函数类和矩条件、内外置信集的覆盖含义，以及多重检验反演和受限随机占优检验在计算上的具体实现。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；函数类、矩条件和计算细节未说明，共识范围依赖允许的效用函数，也不能推断后续刊本修改。
原文摘要
Instead of testing for unanimous agreement, I propose learning how broad of a consensus favors one distribution over another (of earnings, productivity, asset returns, test scores, etc.). Specifically, given a sample from each of two distributions, I propose statistical inference methods to learn about the set of utility functions for which the first distribution has higher expected utility than the second distribution. With high probability, an “inner” confidence set is contained within this true set, while an “outer” confidence set contains the true set. Such confidence sets can be formed by inverting a proposed multiple testing procedure that controls the familywise error rate. Theoretical justification comes from empirical process results, given that very large classes of utility functions are generally Donsker (subject to finite moments). The theory additionally justifies a uniform (over utility functions) confidence band of expected utility differences, as well as tests with a utility-based “restricted stochastic dominance” as either the null or alternative hypothesis. Simulated and empirical examples illustrate the methodology.