Characterizing M -estimators
M估计量的刻画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：摘要讨论一般半参数模型中的M估计理论，预测评价是理论连接，未明确对应所列具体应用方向。
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…
M估计量的刻画
- 研究问题
- 对于一般泛函的半参数模型，如何完整刻画相应的M估计量类别，并把预测评价中的损失函数理论用于估计？
- 方法与思路
- 作者正式连接预测评价中的一致损失函数理论与M估计理论，利用已有损失函数结果研究不同性质的估计量。
- 材料陈述的贡献
- 摘要称，这一刻画能够将预测评价文献的结果引入估计理论，并展示其对稳健、有效、等变及帕累托最优估计的意义。
- 阅读关注点
- 应核对所刻画模型与泛函的范围、一致损失函数的定义，以及稳健性、效率、等变性和帕累托最优性的具体判据。
- 阅读边界
- 仅依据所给Crossref摘要；未提供刻画定理的条件或具体例子，不能据此判断任意损失函数对应估计量的性质。
原文摘要
Summary We characterize the full classes of M-estimators for semiparametric models of general functionals by formally connecting the theory of consistent loss functions from forecast evaluation with the theory of M-estimation. This novel characterization result allows us to leverage existing results on loss functions known from the literature on forecast evaluation in estimation theory. We exemplify advantageous implications for the fields of robust, efficient, equivariant and Pareto-optimal M-estimation.