Reasonable uncertainty: Confidence intervals in empirical Bayes discrimination detection
合理量化不确定性：经验贝叶斯歧视检测中的置信区间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：摘要明确讨论部分识别与反事实目标参数在歧视检测中的应用，因此归入因果推断方向，但具体设计未说明。
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…
合理量化不确定性：经验贝叶斯歧视检测中的置信区间
- 研究问题
- 经验贝叶斯歧视检测如何同时考虑部分识别与抽样变异，并将统计证据更清楚地关联到现实歧视行为的幅度？
- 方法与思路
- 作者重新审视经验贝叶斯歧视分析的不确定性，评估抽样变异对既有发现的影响，并提出反事实优势比目标参数。
- 材料陈述的贡献
- 摘要称部分已有实证发现对抽样不确定性不稳健，并提出具有解释优势的反事实优势比，以连接统计证据与歧视程度。
- 阅读关注点
- 应核对反事实优势比的定义与识别范围、置信区间如何结合两类不确定性，以及哪些既有发现受到影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；摘要未说明数据背景、目标参数具体性质及置信区间构造和覆盖保证。
原文摘要
We revisit empirical Bayes discrimination detection, focusing on uncertainty arising from both partial identification and sampling variability. While prior work has mostly focused on partial identification, we find that some empirical findings are not robust to sampling uncertainty. To better connect statistical evidence to the magnitude of real-world discriminatory behavior, we propose a counterfactual odds-ratio estimand with a attractive properties and interpretation. Our analysis reveals the importance of careful attention to uncertainty quantification and downstream goals in empirical Bayes analyses.