On the generalized jackknife and its relation to statistical differentials
广义 jackknife 与统计微分的关系AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用估计量的偏差修正与统计微分，缺少所列经济学领域细分的直接证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
广义 jackknife 与统计微分的关系
- 研究问题
- 一阶广义 jackknife 的定义可以怎样扩展，使其与统计微分方法的联系更加清楚，同时保留原有偏差修正与渐近分布性质？
- 方法与思路
- 作者利用一阶广义 jackknife 定义的灵活性构造估计量，并考察其极限情形，从而得到作为统计微分推广的无穷小 jackknife。
- 材料陈述的贡献
- 摘要称所给估计量具有与通常广义 jackknife 相同的偏差减少及渐近分布性质，并通过极限情形建立与统计微分的联系。
- 阅读关注点
- 应核对广义与无穷小 jackknife 的定义、极限过程和适用估计量范围，并检查相同偏差修正及渐近性质所需条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法确认修正阶数、光滑性要求或有限样本表现，也不能据此推断实际计算优势。
原文摘要
The flexibility of the definition of the first-order generalized jackknife is exploited so that its relation to the method of statistical differentials can be seen. The estimators presented have the same bias reduction and asymptotic distributional properties as the usual generalized jackknife. A limiting case produces an infinitesimal jackknife which represents a generalization of statistical differentials.