Optimal Robustness: A General Method, with Applications to Linear Estimators of Location
最优稳健性的一般方法及其在线性位置估计中的应用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：研究通用位置估计的效率与稳健性，摘要未明确对应任何所列经济计量细分。
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…
关注这篇论文的作者
最优稳健性的一般方法及其在线性位置估计中的应用
- 研究问题
- 面对有限个可能的对称误差分布形状，如何构造兼顾效率的稳健估计，使其在各分布下的方差无法同时改善？
- 方法与思路
- 作者提出效率稳健估计与检验的一般方法，并据此推导可容许线性无偏位置估计量，给出简单说明性例子。
- 材料陈述的贡献
- 摘要称所得估计量具有跨指定分布族的方差不可同时改善性质，将单一分布形状下的最优线性估计加以扩展。
- 阅读关注点
- 应核对有限分布族的指定方式、线性无偏与可容许性的定义，以及这种最优性与其他稳健性标准的关系。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；最优性针对指定有限对称分布族，不能解释为任意污染下最优。
原文摘要
A general method of determining efficiency-robust estimation and testing methods is presented. This is used to derive admissible linear unbiased estimators (ALUEs) having the following optimality property: Over a specified (finite) family of possible symmetric shapes of the error distribution, the estimator's respective variances cannot be jointly improved. Such estimators are generalizations of Lloyd's best linear unbiased estimators (BLUEs) determined for single shapes. Simple illustrative examples are given. Other applications of the method to estimation and testing problems are discussed briefly.