Momentary Lapses: Moment Expansions and the Robustness of Minimum Distance Estimation
矩展开与最小距离估计的稳健性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：摘要研究通用 GMM 高阶展开与协方差估计，未给出所列具体领域的直接依据。
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…
矩展开与最小距离估计的稳健性
- 研究问题
- 最小距离或 GMM 估计中，中间协方差矩阵的估计如何影响最终估计量的高阶方差表现及对误差分布的稳健性？
- 方法与思路
- 作者使用至 Op(n⁻³ᐟ²) 阶的渐近展开，推导基于初步最小二乘和一般 M 估计构造的估计量至 n⁻² 阶的方差展开。
- 材料陈述的贡献
- 摘要称，在初步最小二乘情形且误差峰度足够大时，估计 Eicker–White 协方差矩阵会产生一种稳健化效应。
- 阅读关注点
- 应核对高阶展开所需矩条件、初步估计与最终估计的关系，以及稳健化效应的度量、峰度门槛和适用范围。
- 阅读边界
- 仅依据所给 Crossref 摘要；稳健化的具体含义及峰度条件未说明，不能将其解读为所有 GMM 或有限样本性能改善。
原文摘要
This paper explores the robustness of minimum distance (GMM) estimators focusing particularly on the effect of intermediate covariance matrix estimation on final estimator performance. Asymptotic expansions to order O p ( n −3/2 ) are employed to construct O ( n −2 ) expansions for the variance of estimators constructed from preliminary least-squares and general M -estimators. In the former case, there is a rather curious robustifying effect due to estimation of the Eicker-White covariance matrix for error distributions with sufficiently large kurtosis.