Semiparametric robust estimation of truncated and censored regression models
截断与删失回归模型的半参数稳健估计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：摘要研究通用截断与删失回归的稳健估计，未明确涉及所列领域细分，不能仅凭估计或回归术语归类。
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
截断与删失回归模型的半参数稳健估计
- 研究问题
- 当截断或删失回归受到异常值与数据污染影响时，如何提高估计稳健性，同时缓解稳健方法精度较低的问题？
- 方法与思路
- 作者提出半参数一般修剪估计量，并进一步构造数据自适应与一步修剪估计量，推导稳健和渐近性质并开展模拟。
- 材料陈述的贡献
- 摘要称，一般修剪估计量稳健但精度较低；一步估计量兼具其稳健性，并与相应原始估计量具有渐近等价性。
- 阅读关注点
- 应核对污染模型与稳健性指标、修剪比例的选择，以及稳健性和渐近等价性分别成立的条件与有限样本权衡。
- 阅读边界
- 仅据所给出版社摘要，不能把渐近等价理解为任意污染下精度相同；具体适用条件和模拟数值未说明，不推断版本变化。
原文摘要
Many estimation methods of truncated and censored regression models such as the maximum likelihood and symmetrically censored least squares (SCLS) are sensitive to outliers and data contamination as we document. Therefore, we propose a semiparametric general trimmed estimator (GTE) of truncated and censored regression, which is highly robust but relatively imprecise. To improve its performance, we also propose data-adaptive and one-step trimmed estimators. We derive the robust and asymptotic properties of all proposed estimators and show that the one-step estimators (e.g., one-step SCLS) are as robust as GTE and are asymptotically equivalent to the original estimator (e.g., SCLS). The finite-sample properties of existing and proposed estimators are studied by means of Monte Carlo simulations.