雕刻无模型推断

复杂研究涉及多个步骤。基于试点数据筛选有前景的发现是第一步。随着更多观测被收集，研究者必须决定如何将新数据与试点数据结合以构造有效的选择性推断。由 Fithian 等人（2014）引入的雕刻（carving）能够在选择性推断中重用试点数据，并修正选择过程带来的过度乐观。目前，雕刻的合理性依赖于参数模型，如常用的高斯模型。本文中，我们发展了渐近理论以证实雕刻在高斯模型之外的使用。通过模拟与真实实例，我们发现雕刻在无模型设定下产生有效且紧致的置信区间。