동시 편향·커버리지 보정 방법

본 논문은 통계 추정에서 신뢰구간이 명목적인 커버리지 \(1-\alpha\) 를 만족하지 못하는 경우가 빈번히 발생한다는 점에 착안한다. 특히 복합가능도(composite likelihood)나 근사베이즈(ABC)와 같이 복잡한 모델에서는 표준 asymptotic 이론이 적용되기 어려워, 실제 커버리지가 크게 왜곡될 수 있다. 기존의 보정 방법으로는 이중 부트스트랩, 편향 보정 후 재표본화, 혹은 변환 기반 방법이 있지만, 이들은 각각 계산량이 많거나 편향만을 다루어 분산·커버리지 조정에 한계가 있다. 이에 저자들은 “동시 편향·커버리지 보정”이라는 새로운 절차를 제안한다. 핵심 아이디어는 원래 구간 \(C_n=