Transformations and the Jackknife
变换与刀切法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：摘要讨论一般重抽样与方差稳定变换，未提供所列经济计量细分方向的直接证据。
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
变换与刀切法
- 研究问题
- 对参数估计量直接使用刀切法，还是先对它进行变换，能否依据统计分析而非经验建议作出选择？
- 方法与思路
- 作者把刀切估计置于含加性伪误差的位置参数最小二乘模型中，以误差方差恒定作为解释置信区间的条件。
- 材料陈述的贡献
- 摘要提出以枢轴量为刀切对象的准则，并称由方差恒定要求出发，原则上可以寻找实施刀切法之前的变换。
- 阅读关注点
- 应核对伪误差模型如何对应刀切样本、方差恒定准则的推导，以及变换的求解、逆变换和置信区间解释。
- 阅读边界
- Crossref 摘要未给出具体变换或有限样本覆盖率；原则上可寻找变换，不足以证明任意问题均有可实施且准确的方案。
原文摘要
SUMMARY Whether to jackknife a parameter estimate or some function of it has in the past relied on recommendations based on folklore rather than statistical analyses. This paper puts the jackknifed estimator into the context of finding a least squares estimator from a model involving a location parameter with additive “pseudo” errors. Obtaining and interpreting confidence intervals from the partitioning of the “total” sum of squares into “residual” sum of squares, plus a sum of squares due to a hypothesized value of the parameter, requires the error variance to be constant. This in turn can equally be interpreted as requiring the variance of the original estimator to be constant. Therefore, using this criterion of jackknifing “pivotal quantities”, it is possible in principle to find a prejackknifing transformation for any general problem.