Winsorized Mean Estimator for Censored Regression
删失回归的缩尾均值估计量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：摘要研究一般删失回归，未明确离散选择、分位数效应或其他所列具体方向。
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
删失回归的缩尾均值估计量
- 研究问题
- 如何为删失线性回归构造半参数估计量，并在与已有删失估计方法相联系的同时获得一致性和可计算的渐近方差？
- 方法与思路
- 作者以 Huber M 估计的回归版本构造估计量，将删失最小绝对偏差估计纳为特例，并研究其渐近性质。
- 材料陈述的贡献
- 摘要称，作者证明强一致性，推导具有平方根样本量收敛速度的渐近分布及易算协方差，并报告小规模模拟。
- 阅读关注点
- 应核对删失机制和误差分布要求、缩尾规则的选择、与已有估计量的关系，以及协方差估计和模拟设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定上述理论的具体条件；小规模模拟的正面描述不足以证明普遍优于其他估计量。
原文摘要
We introduce a semiparametric estimator for the censored linear regression model. It is based on the regression version of Huber's [6] M-estimator. It includes Powell's [19] censored least absolute deviations estimator as a special case and is related to Powell's [20] symmetrically censored least-squares estimator. We prove strong consistency and derive its asymptotic distribution which is √n-consistent with an easily computable covariance matrix. A small-scale simulation study shows that it works quite well in various cases.