A second-order efficient empirical Bayes confidence interval
二阶有效的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：小区域正态均值与经验贝叶斯区间属于一般统计推断，摘要未指向所列计量领域细分。
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
二阶有效的经验贝叶斯置信区间
- 研究问题
- 在小区域应用的正态均值推断中，如何构造兼顾二阶覆盖精度、区间长度和计算成本的经验贝叶斯置信区间？
- 方法与思路
- 作者提出调整后的限制极大似然方法构造经验贝叶斯区间，无需模拟，并与直接区间及参数自助法区间比较。
- 材料陈述的贡献
- 摘要称区间覆盖误差为 O(m^{-3/2})，始终短于对应直接区间且计算耗时较低，并报告模拟支持其比较表现。
- 阅读关注点
- 应核对 m 的定义、覆盖误差展开条件、区间始终较短的适用范围，以及模拟中的竞争方法、覆盖率与计算时间。
- 阅读边界
- 所给为版本未注明的 OpenAlex 摘要；二阶精度和长度保证的条件未展开，不能将摘要中的优越性陈述推广到所有小区域模型。
原文摘要
We introduce a new adjusted residual maximum likelihood method (REML) in the context of producing an empirical Bayes (EB) confidence interval for a normal mean, a problem of great interest in different small area applications. Like other rival empirical Bayes confidence intervals such as the well-known parametric bootstrap empirical Bayes method, the proposed interval is second-order correct, that is, the proposed interval has a coverage error of order $O(m^{-{3}/{2}})$. Moreover, the proposed interval is carefully constructed so that it always produces an interval shorter than the corresponding direct confidence interval, a property not analytically proved for other competing methods that have the same coverage error of order $O(m^{-{3}/{2}})$. The proposed method is not simulation-based and requires only a fraction of computing time needed for the corresponding parametric bootstrap empirical Bayes confidence interval. A Monte Carlo simulation study demonstrates the superiority of the proposed method over other competing methods.