On the Large-Sample Minimal Coverage Probability of Confidence Intervals After Model Selection
模型选择后置信区间的大样本最小覆盖概率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：摘要研究通用回归中的模型选择后推断，缺乏归入所列特定经济金融方向的文本依据。
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
模型选择后置信区间的大样本最小覆盖概率
- 研究问题
- 先用保守或过度一致的程序选择回归模型，再报告通常的参数置信区间时，其最小覆盖概率可能偏离名义水平多少？
- 方法与思路
- 作者分析选择后常规置信区间的最小覆盖概率，推导适用于一大类选择程序的大样本上界，涵盖 AIC 与预检验程序。
- 材料陈述的贡献
- 摘要称该上界可识别实际覆盖率远低于名义水平的情形，并通过例示说明渐近上界在较小样本中也可能有统计意义。
- 阅读关注点
- 应核对最小覆盖率在哪个参数空间取最小、选择程序的条件，以及上界如何揭示风险和小样本例示的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；上界不等于实际覆盖率，摘要也未提供修正区间或保证有效的替代程序。
原文摘要
We give a large-sample analysis of the minimal coverage probability of the usual confidence intervals for regression parameters when the underlying model is chosen by a “conservative” (or “overconsistent”) model selection procedure. We derive an upper bound for the large-sample limit minimal coverage probability of such intervals that applies to a large class of model selection procedures including the Akaike information criterion as well as various pretesting procedures. This upper bound can be used as a safeguard to identify situations where the actual coverage probability can be far below the nominal level. We illustrate that the (asymptotic) upper bound can be statistically meaningful even in rather small samples.