贝叶斯排序与选择及其在现场研究、经济流动性和预测中的应用
统计方法学
2022-08-04 v1 计量经济学
摘要
决策制定常涉及排序与选择。例如，为组建一支政治预测者团队，我们可能首先将候选范围缩小至我们有把握其预测能力排名前 10% 的候选人。遗憾的是，我们并不知道每位候选人的真实能力，而只能观测到其带噪声的估计值。本文提出了基于带噪声估计对候选人进行排序与选择的新型贝叶斯算法。利用基于经验数据的模拟，我们表明所提算法常优于频率学派的排序与选择算法。我们的贝叶斯排序算法给出了更短的排序置信区间，同时保持近似正确的覆盖概率。我们的贝叶斯选择算法在保持正确错误率的同时选择了更多候选人。我们将排序与选择流程应用于现场实验、经济流动性、预测及类似问题。最后，我们将排序与选择技术实现于一个用户友好的 Python 包中，文档见：https://dsbowen-conditional-inference.readthedocs.io/en/latest/。
引用
@article{arxiv.2208.02038,
title = {Bayesian ranking and selection with applications to field studies, economic mobility, and forecasting},
author = {Dillon Bowen},
journal= {arXiv preprint arXiv:2208.02038},
year = {2022}
}
备注
23 pages, 11 figures