Shrinkage Estimators of Relative Potency
相对效力的收缩估计量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：摘要研究相对效力的一般收缩估计理论，未给出所列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…
相对效力的收缩估计量
- 研究问题
- 贝叶斯思路启发的对数相对效力收缩估计量，能否改善通常极大似然估计的有限样本矩与风险性质，同时保留渐近表现？
- 方法与思路
- 作者研究既有收缩估计量的有限样本和大样本性质，利用其闭式表达分析均值、方差、频率风险及与极大似然估计的关系。
- 材料陈述的贡献
- 摘要称该估计量在所有有限样本规模下具有有限均值、方差和频率风险，并在渐近意义上表现得与通常极大似然估计相同。
- 阅读关注点
- 应核对相对效力模型、收缩形式与风险定义，以及矩存在性和渐近等价的条件，区分有限风险与逐点风险支配。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；模型、损失函数及证明条件未说明，有限风险结论不等于普遍更小的均方误差。
原文摘要
This article examines the finite and infinite sample properties of the shrinkage estimator, motivated by a Bayesian argument, for the log relative potency, proposed in an earlier paper by Kim, Carter, and Hubert. This estimator can be written in closed form and is shown to have finite mean and finite variance in finite samples. As a consequence, this shrinkage estimator has finite frequentist risk, which is an improvement over the usual maximum likelihood estimator, for all finite sample sizes. Furthermore, it is shown that this estimator asymptotically behaves the same as the usual maximum likelihood estimator.