A Second-Order Extension of Hájek's Convolution Theorem with Statistical Applications
Hájek 卷积定理的二阶扩展及统计应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确将二阶稳健性用于时间序列模型的 Bayes、最小对比、最大似然与 Whittle 估计。
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…
Hájek 卷积定理的二阶扩展及统计应用
- 研究问题
- 如何把正则估计量的一阶卷积结构扩展到二阶，并借此定义二阶稳健性，比较时间序列模型中的先验与估计方法？
- 方法与思路
- 作者引入具有有效 Edgeworth 展开的二阶正则估计量，研究其在相邻备择下的分布，并建立二阶有效部分与残差的卷积表示。
- 材料陈述的贡献
- 摘要称，论文给出 Hájek 卷积定理的二阶版本，并用于刻画二阶稳健先验以及比较最大似然和 Whittle 估计量。
- 阅读关注点
- 应核对二阶正则性和残差分布的精确定义、展开有效范围，以及所谓稳健性对应何种扰动及时间序列模型条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未给出二阶展开的完整条件，也未说明两类估计量比较的具体结论。
原文摘要
For a class of regular estimators, Hájek, in his celebrated ``Convolution Theorem,'' showed that the asymptotic distribution of a regular estimator is the convolution of the distribution of an efficient estimator and some residual distribution. This result constitutes the foundation of the concept of asymptotic efficiency of regular estimators. In this paper, we provide a second-order version of that classical result. Introducing a class of second-order regular estimators with a valid Edgeworth expansion, we derive their asymptotic distribution under contiguous alternatives and show that it is the convolution of the second-order efficient distribution and some second-order residual distribution. This constitutes a second-order extension of Hájek's convolution theorem. Based on this, we introduce a concept of {\it second-order robustness} for second-order regular estimators. For a class of general Bayes estimators and minimum contrast estimators in time series models, this second-order robustness is used (i) in the characterization of second-order robust priors, (ii) in a comparison between the second-order robustness of maximum likelihood and Whittle estimators.