Auxiliary-Enhanced Survey Calibration: A Novel Framework for Reject Inference under Sample Selection Bias
Dit artikel stelt een nieuw, door surveys versterkt kalibratiekader voor reject inference voor dat de prestatieverslechtering van traditionele imputatiemethoden vermijdt door geaccepteerde aanvragers te herwegen om aan populatietotalen te voldoen, waarmee bewezen wordt dat het consistent en asymptotisch normaal is terwijl het de populatierisicokalibratie aanzienlijk verbetert en het onderscheidend vermogen behoudt onder modelmisspecificatie.