Robust regression using repeated medians
使用重复中位数的稳健回归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。
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：摘要讨论一般稳健线性回归，未明确涉及所列微观、宏观或金融细分方向。
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
使用重复中位数的稳健回归
- 研究问题
- 如何构造能够抵抗接近半数异常观测的回归估计，同时考察其在对称误差下的无偏性、一致性及高斯抽样效率？
- 方法与思路
- 作者以嵌套中位数替代 U 统计量中的单次平均，形成重复中位数算法，并讨论二元线性回归中对称误差及高斯抽样的性质。
- 材料陈述的贡献
- 摘要称重复中位数保持百分之五十的崩溃点，在所述对称误差情形下无偏且 Fisher 一致，高斯效率可与单变量中位数相当。
- 阅读关注点
- 应核对嵌套中位数的具体定义、设计点和误差条件、崩溃点采用的污染方式，以及无偏性、Fisher 一致性与效率的证明范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能将对称误差下的性质推广到任意误差，也不能把所述效率比较视为普遍最优。
原文摘要
The repeated median algorithm is a robustified U-statistic in which nested medians replace the single mean. Unlike many generalizations of the univariate median, repeated median estimates maintain the high 50% breakdown value and can resist the effects of outliers even when they comprise nearly half of the data. For bivariate linear regression with symmetric errors, repeated median estimates are unbiased and Fisher consistent, and their efficiency under Gaussian sampling can be comparable to the efficiency of the univariate median.