Stabilized Inverse Probability Weighting via Isotonic Calibration
本文提出一种基于保序回归的后校准算法，用于稳定逆倾向权重，从而改善因果推断中平均处理效应双重稳健估计量的表现。
2025-04-09 stat.ME stat.ML
Soft calibration for selection bias problems under mixed-effects models
本文针对非概率抽样中的选择偏差问题，提出一种基于混合效应模型的软校准方法，对固定效应精确校准、对随机效应近似校准，兼具最佳线性无偏预测和惩罚倾向得分加权的优势，并通过模拟和实证验证了其高效性。
2023-02-23 stat.AP stat.ME
Joint calibrated estimation of inverse probability of treatment and censoring weights for marginal structural models
具有逆概率加权的边缘结构模型（MSM）提供了一种在存在时变混杂和依赖删失的情况下估计治疗序列对重复结局指标的因果效应的方法。然而，当权重估计的极大似然，逆概率加权估计（IPWE）可能是低效和不稳定的，在实践中。我们提出了一种联合校准方法，用于治疗和审查权重的逆概率，以提高具有任意时变治疗的MSM的IPWE的效率和鲁棒性（即，二进制和非二进制）分布。具体地，通过在对当前样本进行加权之后明确地消除与治疗分配过程和删失过程两者的协变量关联（即，在有限样本中优化协变量平衡）。一个凸最小化过程的开发来实现校准。仿真结果表明，IPWE与校准的权重表现优于IPWE与极大似然的权重。我们将我们的方法应用于HIV的自然史研究，以估计高效抗逆转录病毒治疗对CD4细胞计数随时间的累积效应。
2018-06-29 stat.ME
Post-Hoc Inference of Cross-Classified Statistics from Hierarchical Bayes Survey Weights
Tam Data Advisory（Tam数据咨询）
本文提出Post-Hoc Inference Engine，用于推断来自校准单位记录数据的跨分类统计，通过校准贝叶斯区间恢复名义覆盖，发现交叉汇总的不确定性主要由组成采样变异驱动。
2026-04-28 stat.ME
Oracle, Multiple Robust and Multipurpose Calibration in a Missing Response Problem
在存在缺失响应的情况下，通过非缺失概率的倒数来重新加权完整案例子样本既直观又易于实现。当某些辅助变量的总体总数已知且包含概率已知时，调查统计学家们已经发展了一些校正方法来提高逆概率加权估计的效率，这些方法可以应用于缺失数据分析。基于模型的校准已在调查抽样文献中提出，其中多维辅助变量首先从工作回归模型总结为预测函数。通常，为每个感兴趣的参数提出一个工作模型，并产生用于估计不同参数的不同校准权重集。本文考虑使用多个工作回归模型估计单个或多个参数的校准。与过度拟合会损害效率的普遍看法相反，我们提出了三个意想不到的结果。首先，当缺失概率被正确地指定，并且假设条件均值的多个工作回归模型时，校准享有预言属性：获得相同的半参数效率界，就好像预先知道真实的结果模型一样。其次，当缺失数据机制被错误指定时，当任何一个结果回归模型被正确指定时，校准仍然可以是相合估计量。第三，可以使用一组公共的校准权重来提高估计多个感兴趣参数的效率，并且可以同时获得所有感兴趣参数的半参数效率界限。我们提供了广泛的一类校准估计，广义经验似然的基础上构建的，许多现有的估计在生物统计学，计量经济学和调查抽样和模拟研究表明，有限样本性质的校准估计符合良好的理论研究结果。
2014-10-15 stat.ME
Batch Sequential Experimental Design for Calibration of Stochastic Simulation Models
本文针对随机仿真模型校准提出批量序贯实验设计新准则，通过判断新一批仿真评估应放在已有参数位置还是未探索位置以最小化后验预测不确定性，并在仿真与流行病学真实数据实验中验证其能改善后验预测。
2025-05-06 stat.ME
A Calibration Framework for Inference with Partially Observed Data
Iowa State University（爱荷华州立大学）；Fujian Normal University（福建师范大学）
本文提出一种统一框架，基于广义熵校准加权估计在MAR机制下由一般估计方程定义的参数，通过数据自适应校准函数平衡约束和偏倚约束，实现双重鲁棒性和半参数效率。
2026-03-27 stat.ME
A Python Library For Empirical Calibration
处理有偏差的数据样本是许多统计领域的常见任务。在调查抽样中，由于样本不具有代表性，经常会产生偏差。在具有观察性数据的因果关系研究中，治疗组与未治疗组的分配通常与协变量相关，即，不是随机的经验校准是一种通用的加权方法，它为纠正或减少上述任务的数据偏差提供了统一的观点。我们提供了一个Python库EC来计算经验校准权重。该问题被制定为凸优化和有效地解决了对偶形式。与现有的软件相比，电子商务既更有效，也更强大。EC还适应不同的优化目标，支持权重裁剪，并允许不精确的校准，这提高了可用性。我们展示了它的使用在各种实验与模拟和真实世界的数据。
2019-07-25 stat.AP stat.CO stat.ME
Inference from Sampling with Response Probabilities Estimated via Calibration
Institut de Statistique, Université de Neuchâtel（纳沙泰尔大学统计研究所）
该研究构建通用框架比较校准法与极大似然法估计响应概率的抽样推断效果，证明校准法所得估计量渐近无偏、具双重稳健性且有效率增益，还分析了相关估计问题并通过模拟验证。
2023-10-26 stat.ME
When does conformal calibration need censoring weights? Cause-of-failure prediction sets under competing risks
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Northumbria University（诺森比亚大学）
本文研究竞争风险下共形预测集的校准问题，发现完全案例校准可能偏离名义覆盖率，而正确指定删失模型的权重可恢复覆盖率，并给出有限样本下界。
2026-10-07 stat.ME stat.ML
Simulation Experiment Design for Calibration via Active Learning
本文针对昂贵仿真模型的校准问题，提出了两种基于参数后验密度不确定性的主动学习序贯数据采集准则，实验证明其能有效提升后验估计与现场预测的准确性。
2024-07-26 stat.ME
Using Model-Assisted Calibration Methods to Improve Efficiency of Regression Analyses with Two-Phase Samples under Complex Survey Designs
本文提出一种基于回归系数得分函数的模型辅助校准方法，通过将两相子样本权重校准至加权的整个第一相样本，有效提高了复杂调查设计下两相样本回归分析的效率。
2024-03-21 stat.ME
Sequential Bayesian experimental design for calibration of expensive simulation models
针对昂贵仿真模型校准效率低的问题，提出一种以学习参数后验密度为目标的序贯贝叶斯实验设计框架，可同时兼顾后验不确定区探索与高后验密度区利用，经多组仿真及核物理反应模型验证有效。
2023-05-25 stat.ME
Locally Equivalent Weights for Multilevel Regression and Poststratification
UC Berkeley（加州大学伯克利分校）；UT Austin（德克萨斯大学奥斯汀分校）
提出多层回归与事后分层（MrP）的局部等价权重（MrPlew），将MrP表示为与校准权重局部等价的加权估计量，从而支持方差估计、协变量平衡和子组贡献等诊断，并证明其渐近性质。
2026-06-02 stat.ME
Survey data integration for regression analysis using model calibration
我们在数据集成的背景下考虑回归分析。为了结合来自外部来源的部分信息，我们采用了模型校准的思想，该思想引入了基于观测协变量的“工作”简化模型。工作简化模型不一定是正确指定的，但可以是一个有用的设备，以纳入部分信息从外部数据。实际的实施是基于一个新的应用程序的信息投影和模型校准加权。所提出的方法是特别有吸引力的组合信息从几个来源与不同的缺失模式。该方法应用于一个真实的数据实例，结合韩国国民健康和营养检查调查的调查数据和韩国国民健康保险共享服务的大数据。
2022-10-12 stat.ME
Improving Transportability of Regression Calibration Under the Main/External Validation Study Design
Yale School of Public Health（耶鲁大学公共卫生学院）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）；Yale School of Medicine（耶鲁大学医学院）
本研究改进了外部验证研究中回归校准方法的可移植性，通过结合外部验证研究和主研究数据，减少偏倚并提高估计准确性。
2025-03-29 stat.ME
Maximum Entropy Estimation for Survey sampling
在过去的几十年里，校准方法在调查抽样中得到了广泛的研究。视标定为一个反问题，我们扩展了标定技术，使用最大熵方法。通过考虑随机权重并寻找在校准约束下使熵最大化的离散分布来实现找到最佳权重。该方法为此类估计的计算及其统计性质的研究提供了一个新的框架。
2009-09-22 math.ST stat.ME stat.TH
A note on joint calibration estimators for totals and quantiles
本研究结合总量与分位数校准方法、扩展伪经验似然法，提出带分位数约束的联合校准估计法，可一步改进多类估计，适用于无应答等场景，经模拟验证且有开源实现。
2023-08-25 stat.AP stat.ME
Sequential Estimation in Item Calibration with A Two-Stage Design
在本文中，我们应用两阶段序贯设计的项目校准问题下的三参数逻辑模型的假设。我们的方法考虑了被试潜在特质水平估计的测量误差。此外，采用序贯设计方法保证迭代停止时参数的估计达到预定的精度标准，充分发挥了序贯设计的优点。项目参数估计和序贯过程的统计性质进行了讨论。我们比较所提出的方法的性能与一些传统的设计，使用数值研究的基础上的程序。
2013-05-21 stat.AP stat.ME
weightflow: declarative, recipe-aware survey weighting in R
Instituto Nacional de Estadística (INE), Uruguay（乌拉圭国家统计研究所）
研究为复杂调查生成权重的方法，提出 Weightflow 包，通过声明式 API 构建权重，将定义与应用分离，可重现可审计，能传播各阶段不确定性，实现多种校准及调整，经验证在实际数据中能恢复已知贫困率。
2026-07-10 stat.CO stat.ME
Causal Inference with Multiple Misclassified Exposures: A Control Variate-Adjusted Calibration Weighting Approach
Colorado School of Public Health（科罗拉多公共卫生学院）；Johns Hopkins Bloomberg School of Public Health（约翰斯·霍普金斯大学彭博公共卫生学院）；University of Colorado School of Medicine（科罗拉多大学医学院）；Colorado State University（科罗拉多州立大学）
针对多重错误分类二元暴露和聚类观测数据，提出校准加权与控制变量调整的因果推断方法，实现一致估计并降低方差，应用于囊性纤维化患者队列发现咽拭子低估铜绿假单胞菌感染效应。
2026-07-28 stat.AP stat.ME
Robust Experimental Designs for Model Calibration
只有在确定了一些未知的物理常数（称为校准参数）的值之后，计算机模型才能用于预测输出。未知的校准参数可以通过进行物理实验从实际数据中估计。本文提出了一种优化设计此类物理实验的方法。利用计算机模型对物理实验进行优化设计的问题，类似于对非线性模型进行拟合的最优设计问题。然而，这个问题比现有的非线性优化设计工作更具挑战性，因为模型差异的可能性，也就是说，计算机模型可能不是真正的底层模型的准确表示。因此，我们提出了一个最佳的设计方法，是强大的潜在的模型差异。我们表明，我们的设计是优于常用的物理试验设计，不利用计算机模型中包含的信息和其他非线性优化设计，忽略潜在的模型差异。我们用一个玩具的例子和一个真实的例子来说明我们的方法。
2020-08-02 stat.AP stat.ME
Coupling material and mechanical design processes via computer model calibration
计算机模型校准通常通过选择计算机模型中的参数值来操作，使得模型输出忠实地预测现实。通过使用性能目标代替观察到的数据，我们表明，校准技术可以被重新利用到工程和材料设计，这两个过程，传统上是分开进行的。这使得材料设计时考虑到特定的工程目标，同时量化相关的不确定性来源。我们证明了我们提出的方法，通过“校准”材料设计设置为风力涡轮机叶片的性能目标。
2020-01-13 stat.AP stat.ME stat.ML
Optimal and Provable Calibration in High-Dimensional Binary Classification: Angular Calibration and Platt Scaling
Harvard University（哈佛大学）
针对高维高斯特征下的线性二分类器，提出基于估计权重与真实权重夹角的角度校准方法，证明其可校准且唯一Bregman最优，并揭示Platt缩放在高维下收敛于该最优解。
2026-07-15 cs.LG math.ST stat.ME
Unbiasing and robustifying implied volatility calibration in a cryptocurrency market with large bid-ask spreads and missing quotes
我们设计了一种新的校准程序，旨在处理加密货币市场上期权的特定特征，即大的买卖价差和所考虑的数据集中缺失或不一致价格的可能性。我们表明，这种校准过程是显着更强大和准确的比标准的贸易和中间价格的基础上。
2022-07-06 q-fin.PR stat.ME
Conformal Bayes for Two-Sided Censored Gaussian Regression under Label Shift
aSSIST University, Korea（aSSIST大学）
针对标签偏移下响应变量被删失的预测问题，提出结合后验预测倾斜与加权共形校准的共形贝叶斯方法，构建混合最高密度区域预测集，恢复边际覆盖并减小集合大小。
2026-07-03 stat.ME stat.ML
Design-marginal calibration of Gaussian process predictive distributions: Bayesian and conformal approaches
Transvalor S.A.；Univ. Paris-Saclay（巴黎-萨克雷大学）；CNRS（国家科学研究中心）；CentraleSupélec（中央超导大学）；L2S（L2S实验室）
本文提出两种高斯过程预测分布的校准方法，通过改进的符合预测系统和广义正态模型，提升预测分布的准确性和稳定性。
2025-12-05 cs.LG stat.ME stat.ML
