Information Based Inference in Models with Set-Valued Predictions and Misspecification
集合值预测与模型误设下的基于信息的推断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。
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：摘要讨论一般不完全模型、部分识别和误设推断，未明确涉及给定分类中的因果、选择、结构估计或其他具体方向。
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
集合值预测与模型误设下的基于信息的推断
- 研究问题
- 在预测为集合值、参数仅部分识别的不完全模型中，如何构造同时适用于正确设定与误设情形的可计算统计推断？
- 方法与思路
- 作者最小化考虑模型不完全性的 Kullback–Leibler 信息准则以确定伪真集合，再使用 Rao 得分统计量，并利用离散及连续协变量变化。
- 材料陈述的贡献
- 摘要称该方法产生非空伪真集合，计算可行，正确设定与误设时采用相同实施方式，且所用得分统计量具有渐近枢轴性质。
- 阅读关注点
- 应核对信息准则如何处理集合值预测、伪真集合的经济与统计含义，以及得分统计量的构造、枢轴性条件和实际计算步骤。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核实；摘要未说明具体模型、正则条件及计算复杂度，不能判断任意误设下的覆盖保证。
原文摘要
This paper proposes an information-based inference method for partially identified parameters in incomplete models that is valid both when the model is correctly specified and when it is misspecified. Key features of the method are: (i) it is based on minimizing a suitably defined Kullback-Leibler information criterion that accounts for incompleteness of the model and delivers a non-empty pseudo-true set; (ii) it is computationally tractable; (iii) its implementation is the same for both correctly and incorrectly specified models; (iv) it exploits all information provided by variation in discrete and continuous covariates; (v) it relies on Rao's score statistic, which is shown to be asymptotically pivotal.