On robust estimation via pseudo-additive information
基于伪可加信息的稳健估计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：摘要讨论通用稳健参数估计与选参理论，未明确涉及所列经济学细分领域。
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
基于伪可加信息的稳健估计
- 研究问题
- 如何通过信息准则构造兼顾稳健性与效率的参数估计量，并在参考模型受到污染时，为调节参数选择提供明确依据？
- 方法与思路
- 作者最小化 q 熵的经验近似，通过参数变换联系幂散度最小化，再利用污染模型下的均方误差上界建立极小极大选参准则。
- 材料陈述的贡献
- 摘要称，该估计方法无需核密度平滑，以 q 调节稳健性与效率，并给出用于选择 q 的均方误差上界和极小极大准则。
- 阅读关注点
- 应核对污染模型的具体定义、均方误差上界的适用条件及紧致程度，以及调节参数选择是否依赖未知的总体特征。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。污染范围、上界表达式与实际计算办法未说明，不能判断一般性的效率优势或刊本变化。
原文摘要
We consider a robust parameter estimator minimizing an empirical approximation to the q-entropy and show its relationship to minimization of power divergences through a simple parameter transformation. The estimator balances robustness and efficiency through a tuning constant q and avoids kernel density smoothing. We derive an upper bound to the estimator mean squared error under a contaminated reference model and use it as a min-max criterion for selecting q.