Exact computation of Censored Least Absolute Deviations estimator
删失最小绝对偏差估计量的精确计算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：题名与摘要聚焦删失最小绝对偏差这一与条件中位数估计相关的方法，因此归入分位数与分布方向。
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…
删失最小绝对偏差估计量的精确计算
- 研究问题
- 如何精确计算删失最小绝对偏差估计量，并判断常用近似优化算法是否会因计算误差改变计量应用中的结论？
- 方法与思路
- 作者将CLAD估计写成带析取约束的线性混合整数规划问题，利用现有求解器计算，并在三个既有数据集和模拟中评估。
- 材料陈述的贡献
- 摘要称混合整数规划可实现CLAD的精确计算；数据重分析发现常用近似算法可能导致错误结论，模拟支持该计算方案的实用性。
- 阅读关注点
- 应核对规划问题与原CLAD目标的等价性、全局最优证书和停止容差，以及样本规模扩大时的求解时间与失败情形。
- 阅读边界
- 仅据所给出版社摘要，无法判断实际可处理的数据规模和最坏计算成本；精确求解目标函数也不能替代统计假设的核验。
原文摘要
We show that exact computation of the censored least absolute deviations (CLAD) estimator proposed by Powell (1984) may be achieved by formulating the estimator as a linear Mixed Integer Programming (MIP) problem with disjunctive constraints. We apply our approach to three previously studied datasets and find that widely used approximate optimization algorithms can lead to erroneous conclusions. Extensive simulations confirm that MIP-based computation using available solvers is effective for datasets typically encountered in econometric applications and that, despite the proliferation of competitors, CLAD remains a useful estimator.