Robust universal inference for misspecified models
模型误设下的稳健通用推断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。
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：主体是模型误设下的通用置信集理论，因果发现仅为应用示例，未明确研究处理效应识别。
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…
模型误设下的稳健通用推断
- 研究问题
- 当假设统计模型并不包含真实数据生成分布时，如何对真实分布在该模型上的投影构造有效置信集，并研究其收缩行为？
- 方法与思路
- 作者在通用推断框架上构造分样本的相对拟合检验族，通过反演检验得到不同投影目标的置信集，并分析其覆盖与收缩速率。
- 材料陈述的贡献
- 摘要称，在较弱正则条件下，方法可于若干设定中提供精确或近似的有限样本有效置信集，并以模拟和线性因果发现应用作说明。
- 阅读关注点
- 应核对投影所采用的准则、相对拟合检验的构造，以及精确和近似覆盖分别需要哪些条件，置信集又以何种意义收缩。
- 阅读边界
- 仅据所给 Crossref 摘要；投影定义、正则条件和覆盖误差未说明，针对模型投影的有效推断不能自动解释为对真实结构参数的有效推断。
原文摘要
Summary In statistical inference, it is rarely realistic to assume that the hypothesized statistical model is well specified; consequently, it is important to understand the effects of misspecification on inferential procedures. When the hypothesized statistical model is misspecified, the natural target of inference is a projection of the data-generating distribution onto the model. We present a general method for constructing valid confidence sets for such projections, under weak regularity conditions, despite possible model misspecification. Our method builds upon the universal inference method and is based on inverting a family of split-sample tests of relative fit. We study settings in which our method yields either exact or approximate, finite-sample valid confidence sets for various projection distributions. We examine the rates at which the resulting confidence sets shrink around their target of inference and complement these results with a simulation study and a study of causal discovery using a linear causal model with the CausalEffectPairs dataset.