Bias Robust Estimation in Orthogonal Regression
正交回归中的抗偏估计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：摘要涉及正交回归的稳健统计理论，未说明结构估计、面板数据或其他所列领域的具体背景。
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
正交回归中的抗偏估计
- 研究问题
- 在污染邻域下，正交回归 M 估计的最大偏差如何变化，哪类估计最抗偏，以及其崩溃点受哪些因素限制？
- 方法与思路
- 作者刻画并计算最大偏差曲线，推导众数型的最抗偏估计；二维情况下可通过寻找覆盖最多观测的固定宽度条带计算。
- 材料陈述的贡献
- 摘要称，有界损失估计虽具无界影响函数，最大偏差曲线在零点的导数仍有限，并给出由最抗偏估计达到的崩溃点上界。
- 阅读关注点
- 应核对污染邻域、偏差度量和估计类别的定义，以及信噪比如何决定崩溃点上界与众数型估计的最优性质。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；分布条件、偏差曲线公式和算法细节未说明，最抗偏结论不能扩展到所有回归估计。
原文摘要
Orthogonal regression $M$-estimates are considered from a bias robust point of view. Their maximum bias over epsilon-contamination neighborhoods is characterized, and maximum bias curves are computed. The most bias robust orthogonal regression $M$-estimate is derived and shown to be a "mode type" estimate; for instance, in the two-dimensional case this estimate can be computed by locating a strip of fixed width covering the maximum number of data points. It will be shown that, although orthogonal regression $M$-estimates with bounded loss function have unbounded influence function, the derivative of their maximum bias curve at zero is finite. Finally, an implicit formula for an upper bound for the breakdown point of all orthogonal regression $M$-estimates is found. The upper bound, which depends on the signal-to-noise ratio, is sharp and attained by the most bias robust estimate.