A Robust Seemingly Unrelated Regressions For Row-Wise And Cell-Wise Contamination
同时应对行污染与单元格污染的稳健似不相关回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论通用多方程回归的稳健估计，仅列举金融等用途不足以确定具体领域细分。
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…
同时应对行污染与单元格污染的稳健似不相关回归
- 研究问题
- 在多方程似不相关回归中，如何同时处理整行异常与单元格异常，避免传统方法在方程数量增加时稳健性下降？
- 方法与思路
- 作者提出新的稳健 SUR 方法，针对两类污染开展 Monte Carlo 模拟与真实数据展示；摘要未说明估计准则和算法细节。
- 材料陈述的贡献
- 摘要称，新方法在行污染和单元格污染下均表现良好且计算较快，旨在弥补既有稳健方法对单元格异常的不足。
- 阅读关注点
- 应核对污染模型、回归系数与误差协方差的联合估计方式，以及稳健性、计算时间如何随方程维度和污染比例变化。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出稳健性定理、污染容忍范围或模拟中的数值比较。
原文摘要
The Seemingly Unrelated Regressions (SUR) model is a wide used estimation procedure in econometrics, insurance and finance, where very often, the regression model contains more than one equation. Unknown parameters, regression coefficients and covariances among the errors terms, are estimated using algorithms based on Generalized Least Squares or Maximum Likelihood, and the method, as a whole, is very sensitive to outliers. To overcome this problem M-estimators and S-estimators are proposed in the literature together with fast algorithms. However, these procedures are only able to cope with row-wise outliers in the error terms, while their performance becomes very poor in the presence of cell-wise outliers and as the number of equations increases. A new robust approach is proposed which is able to perform well under both contamination types as well as it is fast to compute. Illustrations based on Monte Carlo simulations and a real data example are provided.