On Optimal Estimation Methods Using Stochastic Approximation Procedures
使用随机逼近程序的最优估计方法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：摘要涉及回归零点估计的通用随机逼近理论，未提供所列经济计量细分领域的直接依据。
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
使用随机逼近程序的最优估计方法
- 研究问题
- 在误差同分布的情形下，如何通过变换观测变量改善 Robbins–Monro 型回归函数零点估计，并最小化渐近方差？
- 方法与思路
- 作者以渐近方差定义程序的最优性，讨论变换观测随机变量的方案；最优变换依赖误差分布和回归函数在零点的斜率。
- 材料陈述的贡献
- 摘要称提出通过观测变换优化随机逼近估计的方法，并指出最优变换依赖的两个关键对象；未给出可直接实施的自适应方案。
- 阅读关注点
- 应核对随机逼近更新与步长条件、允许的变换类、渐近方差表达，以及误差分布和零点斜率未知时如何实施。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；讨论限于误差同分布情形，独立性与其他条件未说明，也不能推断未知分布下的可行性。
原文摘要
The problem of estimating the zero of a regression function by means of Robbins Monro type of stochastic approximation procedures is discussed. Optimality of the procedures is defined in terms of asymptotic variance. The discussion is restricted to the case of identically distributed errors. In that case we suggest transforming the observed random variables in order to minimize the asymptotic variance of the estimators. The optimal transformation turns out to depend on the underlying distribution of the errors and on the slope of the regression function at the zero.