On the Bounded-Influence Regression Estimator of Krasker and Welsch
论 Krasker–Welsch 有界影响回归估计量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：摘要研究通用稳健回归估计的最优性与存在性，未明确涉及所列应用细分方向。
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
论 Krasker–Welsch 有界影响回归估计量
- 研究问题
- 在有界影响回归估计量类中，满足强最优性的一阶必要条件是否意味着强最优估计量存在，其不存在有何实践意义？
- 方法与思路
- 作者针对既有强最优性必要条件的结果给出一个反例，展示某种情况下强最优估计量不存在，并讨论实际影响。
- 材料陈述的贡献
- 摘要称，论文揭示必要条件唯一解与强最优估计量存在性之间的区别，给出不存在强最优估计量的例子并讨论其意义。
- 阅读关注点
- 应核对估计量类、影响约束及协方差矩阵比较的定义，反例依赖哪些条件，以及不存在性如何影响实际估计选择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出反例设定，不能推广为所有有界影响回归问题均不存在强最优解。
原文摘要
Recently, Krasker and Welsch (1982) considered a class of bounded-influence regression estimators. They showed that within this class the so-called Krasker—Welsch estimator is the only solution to a first-order necessary condition for strong optimality, that is, for minimizing, in the sense of positive definiteness, the asymptotic covariance matrix. However, whether any strongly optimal estimator in fact exists remained an open question. In this article, an example is given where no strongly optimal estimator exists. Moreover, the practical significance of the lack of a strongly optimal estimator is discussed.