A resampling method based on pivotal estimating functions
基于枢轴估计函数的重抽样方法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：摘要明确以分位数回归展示重抽样推断方法，直接对应分位数与分布研究方向。
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
基于枢轴估计函数的重抽样方法
- 研究问题
- 在半参数模型中，如何利用估计函数对有限维参数进行推断，避免方差估计所需的复杂非参数函数估计？
- 方法与思路
- 作者提出基于枢轴估计函数的通用重抽样程序，并以分位数回归和秩回归说明其实现方式与计算便利性。
- 材料陈述的贡献
- 摘要称该方法简便，且两类回归示例均可使用现有统计软件高效实现；未提供具体误差或效率比较结果。
- 阅读关注点
- 应核对枢轴性质、重抽样机制和推断有效性的条件，并查原 PDF 确认摘要中乱码所对应的参数与估计量符号。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；参数符号存在提取乱码，不能重构公式，覆盖率与适用条件须查原 PDF。
原文摘要
SUMMARY Suppose that, under a semiparametric model setting, one is interested in drawing inferences about a finite-dimensi onal parameter vector /? based on an estimating function. Generally a consistent point estimator /J for /?0, the true value for /J, can be easily obtained by finding a root of the corresponding estimating equation. To estimate the variance of ft, however, may involve complicated and subjective nonparametric functional estimates. In this paper, a general and simple resampling method for inferences about jS0 based on pivotal estimating functions is proposed. The new procedure is illustrated with the quantile and rank regression models. For both cases, our proposal can be easily and efficiently implemented with existing statistical software.