Upper Bounds on Asymptotic Variances of $M$-Estimators of Location
位置 M 估计量渐近方差的上界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：摘要讨论位置估计的通用稳健理论，未提供所列经济计量细分的直接依据。
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 M 估计量渐近方差的上界
- 研究问题
- 当真实分布属于近似正态的对称分布类时，如何用最坏情形渐近方差评价位置 M 估计量的稳健性，并确定极值分布？
- 方法与思路
- 作者研究给定评分函数和分布类下的渐近方差最大化，推导极值分布的充要条件，并用于两类稳健性模型。
- 材料陈述的贡献
- 摘要称得到分布最大化渐近方差的充要条件，并将其用于计算粗差污染模型与 Kolmogorov 模型下的方差上确界。
- 阅读关注点
- 应核对允许的评分函数、对称分布类和渐近正则条件，并理解极值分布存在性及两种稳健性模型的具体定义。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，也未列出充要条件和具体上界；渐近方差上界不能直接代表有限样本风险或覆盖表现。
原文摘要
If $X_1, \cdots, X_n$ is a random sample from $F(x - \theta)$, where $F$ is an unknown member of a specified class $\mathscr{F}$ of approximately normal symmetric distributions, then an $M$-estimator of the unknown location parameter $\theta$ is obtained by solving the equation $\sum^n_{i=1} \psi(X_i - \hat{\theta}_n) = 0$ for $\hat{\theta}_n$. A suitable measure of the robustness of the $M$-estimator is $\sup \{V(\psi, F): F \in \mathscr{F}\}$, where $V(\psi, F) = \int \psi^2 dF/(\int \psi' dF)^2$ is (under regularity conditions) the asymptotic variance of $n^{\frac{1}{2}}(\hat{\theta}_n - \theta)$. A necessary and sufficient condition for $F_0$ in $\mathscr{F}$ to maximize $V(\psi, F)$ is obtained, and the result is specialized to evaluate $\sup \{V(\psi, F):F \in \mathscr{F}\}$ when the model for $\mathscr{F}$ is the gross errors model or the Kolmogorov model.