Asymptotically Efficient Adaptive Rank Estimates in Location Models
位置模型中渐近有效的自适应秩估计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：摘要研究通用位置模型与秩估计，没有所列计量细分方向的直接依据。
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…
关注这篇论文的作者
位置模型中渐近有效的自适应秩估计
- 研究问题
- 在单样本和双样本位置模型中，如何构造自适应秩估计，使其在较广的分布类上达到一致渐近有效性？
- 方法与思路
- 作者使用整个样本和 Fourier 级数估计有效得分函数，再通过与该估计得分对应的线性化秩估计构造位置估计量。
- 材料陈述的贡献
- 摘要称该构造在比早期方法更大的分布类上渐近有效，并提出其可能更快接近渐近行为；后者未给数值证据。
- 阅读关注点
- 应核对一致渐近有效性的定义与分布类、Fourier 截断选择，以及全样本估计得分所引入依赖的处理方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；更快接近渐近行为是作者的预期，摘要未提供有限样本比较或具体正则条件。
原文摘要
This paper describes a new construction of uniformly asymptotically efficient rank estimates in the one and two-sample location models. The method adopted differs from van Eeden's (1970) earlier construction in three respects. First, the whole sample, rather than a vanishingly small fraction of the sample, is used in estimating the efficient score function. Secondly, a Fourier series estimator is used for the score function rather than a window estimator. Thirdly, the linearized rank estimates corresponding to the estimated score function provide the uniformly asymptotically efficient location estimates. These estimates are asymptotically efficient over a larger class of distributions than the van Eeden estimates and should approach their asymptotic behavior more rapidly.