Monte Carlo Evidence on Adaptive Maximum Likelihood Estimation of a Regression
回归自适应最大似然估计的 Monte Carlo 证据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：摘要属于通用线性回归估计与调参模拟，未明确对应所列细分领域。
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
回归自适应最大似然估计的 Monte Carlo 证据
- 研究问题
- 线性回归的自适应最大似然估计在固定样本规模下表现如何，得分函数估计的平滑与截尾参数应如何选择？
- 方法与思路
- 作者开展 Monte Carlo 比较，考察预先设定平滑与截尾参数，以及通过数据驱动的 bootstrap 方法选择这些参数。
- 材料陈述的贡献
- 摘要明确说明提供有限样本模拟证据并比较两类调参方式，但未报告哪种方式更好或具体改善幅度。
- 阅读关注点
- 应核对误差分布、样本规模、平滑和截尾参数候选范围，以及 bootstrap 选择准则与估计性能的评价指标。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；未提供模拟结果或适用条件，不能声称 bootstrap 调参优于预设参数。
原文摘要
This paper reports Monte Carlo evidence on the fixed sample size properties of adaptive maximum likelihood estimates of a linear regression. The focus is on the problem of selecting the smoothing and trimming parameters used in estimating the score function. We examine the performance of adaptive maximum likelihood estimators when these parameters are preselected or, alternatively, are determined by a data-based bootstrap method.