Robust Empirical Bayes Confidence Intervals
稳健经验贝叶斯置信区间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。
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：摘要核心是通用正态均值问题的区间推断，社区效应应用不足以明确对应给定细分方向。
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…
稳健经验贝叶斯置信区间
- 研究问题
- 在正态均值问题中，如何为线性经验贝叶斯收缩估计构造置信区间，使覆盖率不依赖均值分布为正态，并保持较短区间？
- 方法与思路
- 作者保留通常的线性经验贝叶斯区间中心，使用考虑收缩的临界值；同时区分随机均值分布下的覆盖保证与固定均值下的平均覆盖。
- 材料陈述的贡献
- 摘要称，区间覆盖不依赖均值分布，均值为高斯时长度接近参数化区间；固定均值情形则保证各均值区间的平均覆盖率。
- 阅读关注点
- 应核对覆盖保证针对的概率与平均方式、临界值构造和超参数估计条件，以及长度比较和社区代际流动应用的具体证据。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断完整模型条件和长度差异；固定均值下的平均覆盖保证，不等于每个个体区间均达到名义覆盖率。
原文摘要
We construct robust empirical Bayes confidence intervals (EBCIs) in a normal means problem. The intervals are centered at the usual linear empirical Bayes estimator, but use a critical value accounting for shrinkage. Parametric EBCIs that assume a normal distribution for the means (Morris (1983b)) may substantially undercover when this assumption is violated. In contrast, our EBCIs control coverage regardless of the means distribution, while remaining close in length to the parametric EBCIs when the means are indeed Gaussian. If the means are treated as fixed, our EBCIs have an average coverage guarantee: the coverage probability is at least 1 − α on average across the n EBCIs for each of the means. Our empirical application considers the effects of U.S. neighborhoods on intergenerational mobility.