Confidence Bands for ROC Curves With Serially Dependent Data
序列相关数据下 ROC 曲线的置信带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：摘要研究序列相关下的 ROC 推断，并以实际 GDP 下降概率预测评价为例，对应时间序列与宏观预测。
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
序列相关数据下 ROC 曲线的置信带
- 研究问题
- 当用于评估预测表现的数据存在序列相关时，如何为 ROC 曲线及曲线下面积构造有效推断，避免覆盖率不足？
- 方法与思路
- 作者在双正态模型中用准极大似然估计 ROC 曲线及 AUC，并提出对序列相关稳健的渐近置信带方法。
- 材料陈述的贡献
- 摘要称新方法模拟表现较好，并对非正态性有一定稳健性；常规方法在强序列相关下的覆盖率明显低于名义水平。
- 阅读关注点
- 核对序列相关的允许形式、置信带的具体构造、ROC 与 AUC 推断的区别，以及非正态模拟和 GDP 预测评价的设定。
- 阅读边界
- 摘要未说明序列依赖的限制、推断实现细节或覆盖率数值；模拟中的非正态稳健性不能直接推及任意分布与样本。
原文摘要
We propose serial correlation-robust asymptotic confidence bands for the receiver operating characteristic (ROC) curve and its functional, viz., the area under ROC curve (AUC), estimated by quasi-maximum likelihood in the binormal model. Our simulation experiments confirm that this new method performs fairly well in finite samples, and confers an additional measure of robustness to nonnormality. The conventional procedure is found to be markedly undersized in terms of yielding empirical coverage probabilities lower than the nominal level, especially when the serial correlation is strong. An example from macroeconomic forecasting demonstrates the importance of accounting for serial correlation when the probability forecasts for real GDP declines are evaluated using ROC. Supplementary materials for this article are available online.