A simple resampling method by perturbing the minimand
通过扰动优化目标进行简单重抽样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：摘要讨论通用半参数重抽样与异方差回归，未明确指向所列计量领域细分。
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
通过扰动优化目标进行简单重抽样
- 研究问题
- 半参数估计量由具有 U 过程结构的目标函数优化得到，而协方差又依赖难以估计的密度时，如何开展参数推断？
- 方法与思路
- 作者反复扰动原目标函数并重新求取优化解，利用大量扰动后的估计结果进行推断，以异方差回归模型的三个例子说明方法。
- 材料陈述的贡献
- 摘要提出一种基于目标函数扰动的简单重抽样方法，为协方差涉及难估密度的半参数优化估计提供推断途径。
- 阅读关注点
- 应核对目标函数的 U 过程结构、扰动机制及其尺度、重复优化解如何用于推断，以及方法有效性所需的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；重抽样有效性的具体结论、条件和数值结果未说明，不能推断任意优化估计均适用。
原文摘要
Suppose that under a semiparametric setting an estimator of a vector of parameters of interest is obtained by optimising an objective function which has a U‐process structure. The covariance matrix of the estimator is generally a function of the underlying density function, which may be difficult to estimate well by conventional methods. In this paper, we present a simple resampling method by perturbing the objective function repeatedly. Inferences of the parameters can then be made based on a large collection of the resulting optimisers. We illustrate our proposal by three examples with a heteroscedastic regression model.