A Review and Classification of Model Uncertainty
模型不确定性的综述与分类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：摘要讨论跨领域的模型不确定性与通用推断，未提供对应所列领域细分的直接证据。
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
模型不确定性的综述与分类
- 研究问题
- 统计、计量经济学及机器学习中的模型不确定性应如何定义，不同含义为何需要区分，忽略它会怎样影响统计推断？
- 方法与思路
- 作者综述不同理解，将其划分为真实模型不确定性、模型选择不确定性和模型选择不稳定性，并讨论例子与应对方案。
- 材料陈述的贡献
- 摘要所述贡献是提供三类模型不确定性的概念整理，说明忽视它们的推断后果，并讨论获得有效推断的解决思路。
- 阅读关注点
- 核对三类概念的边界、相互关系及对应例子，辨别不同解决方案分别处理何种不确定性，以及有效性所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未具体列出解决方法及保证条件，不能据此认定已有统一定义。
原文摘要
Model uncertainty is a crucial issue in statistics, econometrics and machine learning, yet its definition remains ambiguous and is subject to various interpretations in the literature. So far, there has not been a universally accepted definition of model uncertainty. We review different understandings of model uncertainty and categorize them into three distinct types: uncertainty about the true model, model selection uncertainty, and model selection instability. We further offer interpretations and examples for a better illustration of these definitions. We also discuss the potential consequences of neglecting model uncertainty in the process of conducting statistical inference, and provide effective solutions to these problems. Our aim is to help researchers better understand the concept of model uncertainty and obtain valid statistical inference results on the premise of its existence.