Estimation of Location Difference for Fragmentary Samples
不完整样本中位置参数差的估计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：摘要涉及相关变量的不完整样本位置差估计，未说明处理效应或面板数据结构。
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
不完整样本中位置参数差的估计
- 研究问题
- 两个相关变量各自存在缺失观测时，如何稳健估计其位置参数之差，并在保留一致性和渐近正态性的同时降低离群值影响？
- 方法与思路
- 作者提出一类简单稳健的位置差估计量，研究其一致性、渐近正态性与离群值敏感性，并与已有估计量比较渐近相对效率。
- 材料陈述的贡献
- 摘要称，所提估计量一致、渐近正态且对离群观测不敏感，渐近相对效率比较显示优势；具体比较对象与适用范围未列出。
- 阅读关注点
- 应核对缺失机制、相关结构和位置参数定义，以及稳健性采用何种度量、效率优势在哪些分布与缺失比例下成立。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；缺失条件及效率数值未说明，不能将所述性质推广到任意非随机缺失情形。
原文摘要
A class of simple and robust estimators of the difference between location parameters of correlated variables is proposed when some observations on either of the variables are missing. We show that these estimators are consistent, asymptotically normally distributed, and insensitive to outlying observations. Asymptotic relative efficiency comparisons with other known estimators are made to show the advantage of the proposed estimators.