Bounded Influence Estimation in the Mixed Linear Model
混合线性模型中的有界影响估计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：摘要涉及混合线性模型的一般稳健估计，未明确对应面板、因果或金融风险等细分。
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
混合线性模型中的有界影响估计
- 研究问题
- 如何将回归中的有界影响估计推广到混合线性模型，在降低异常观测影响的同时研究估计量的渐近与中等样本性质？
- 方法与思路
- 作者将 Mallows 和 Schweppe 的定义扩展到混合线性模型，向最大似然及限制最大似然估计方程施加适当权重。
- 材料陈述的贡献
- 摘要称，研究得到新估计量的渐近性质，并通过人工数据及小型模拟考察这些估计量在中等样本规模下的部分性质。
- 阅读关注点
- 应核对权重函数如何限制影响、固定效应与方差参数如何估计、渐近论证所需条件，以及模拟中的污染方式和评价指标。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未列出权重选择、稳健性界限或模拟结果，不能由人工数据判断实际应用优势。
原文摘要
Bounded influence estimation (also known as generalized M or GM estimation) in the regression model is reviewed. The definitions of bounded influence estimation proposed by Mallows and Schweppe are then extended to the mixed linear model. This is achieved by applying appropriate weight functions to maximum likelihood and restricted maximum likelihood estimating equations. The asymptotic properties of the new estimators are obtained, and the estimators are applied to an artificial dataset. The article concludes with an extension of the example into a small simulation study designed to test some properties of the estimators in samples of moderate size.