Robust estimation with exponentially tilted Hellinger distance
基于指数倾斜 Hellinger 距离的稳健估计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：摘要讨论一般矩条件估计与稳健理论，未提供与所列领域细分直接对应的研究场景。
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
基于指数倾斜 Hellinger 距离的稳健估计
- 研究问题
- 对于由矩等式定义的参数，如何在模型正确设定时保持效率，同时应对局部及全局模型误设带来的估计问题？
- 方法与思路
- 作者提出指数倾斜 Hellinger 距离估计量，将 Hellinger 距离与 Kullback–Leibler 信息准则结合，研究效率及稳健性质。
- 材料陈述的贡献
- 摘要称，该估计量在正确设定下有效率，在局部偏离下具有最优极小极大稳健性质，并在全局误设下保持良好表现。
- 阅读关注点
- 应核对局部偏离集合、极小极大风险标准、效率所需条件，以及全局误设下“良好表现”的数学含义与参数目标。
- 阅读边界
- 仅据所给出版社摘要，无法确定误设范围、正则条件及有限样本表现；其中最优性主张不能扩展到未说明的比较标准。
原文摘要
This paper is concerned with estimation of parameters defined by moment equalities. We introduce the exponentially tilted Hellinger distance (ETHD) estimator which is efficient under correct specification, and robust to both global and local misspecification. In the spirit of Schennach (2007), ETHD combines the Hellinger distance and the Kullback–Leibler information criterion. We show that it achieves optimal minimax robust properties under local deviations from the model and remains well-behaved under global misspecification.