Dependence‐robust inference using resampled statistics
基于重抽样统计量的依赖稳健推断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：摘要以未知或复杂依赖为推断背景，并明确将多种网络依赖作为主要应用例子，因此归入网络与干扰方向。
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…
关注这篇论文的作者
基于重抽样统计量的依赖稳健推断
- 研究问题
- 当数据的相关结构未知或复杂时，如何对目标参数进行有效推断，并让矩等式与不等式检验适用于多种弱依赖情形？
- 方法与思路
- 作者以不依赖未知相关结构的重抽样方式构造统计量，并在目标参数可按参数速率一致估计的条件下建立渐近正态性。
- 材料陈述的贡献
- 摘要称所需速率条件对多种常见弱依赖下的正则估计量成立，并提出矩等式与不等式检验，以多种网络依赖作为主要应用例子。
- 阅读关注点
- 应核对重抽样规则、参数收敛速率条件、允许的弱依赖范围，以及矩等式与不等式检验的具体构造和有限样本表现。
- 阅读边界
- 摘要未说明重抽样规模及完整正则条件；依赖稳健性以所述速率条件为前提，不能据此判断强依赖情形或有限样本可靠性。
原文摘要
Summary We develop inference procedures robust to general forms of weak dependence. The procedures utilize test statistics constructed by resampling in a manner that does not depend on the unknown correlation structure of the data. We prove that the statistics are asymptotically normal under the weak requirement that the target parameter can be consistently estimated at the parametric rate. This holds for regular estimators under many well‐known forms of weak dependence and justifies the claim of dependence robustness. We consider applications to settings with unknown or complicated forms of dependence, with various forms of network dependence as leading examples. We develop tests for both moment equalities and inequalities.