一种用于置信子轮廓盒估计的新算法：传统置信区间的替代方案
统计方法学
2019-10-09 v3
摘要
因子估计过程对于非线性模型而言是一项极具挑战性的任务。即便研究者成功估计出模型因子，仍须估计其置信区间，而这可能需要高昂的计算成本才能将其转化为信息性度量。文献中一些方法试图估计估计搜索空间内因子可能联合存在并拟合真实数据的区域（置信轮廓），然而其估计过程随着因子数量增加会引发若干问题。因此，在本文中，我们聚焦于估计置信轮廓内的一个子区域，我们称之为置信子轮廓盒（CSB）。我们提出了两种用于 CSB 估计的主要算法，以及其解释与验证。鉴于我们估计 CSB 的方式，我们预期并验证了这类新型置信区间的一些有用性质：用户自定义的不确定性水平、非对称区间、与每个因子区间长度相关的敏感性评估，以及真实有影响因子的识别。
引用
@article{arxiv.1909.09603,
title = {A novel algorithm for confidence sub-contour box estimation: an alternative to traditional confidence intervals},
author = {Daniel Rojas-Diaz and Alexandra Catano-Lopez and Carlos M. Velez-Sanchez},
journal= {arXiv preprint arXiv:1909.09603},
year = {2019}
}
备注
17 pages, 8 figures, 6 algorithms