Standard errors and covariance matrices for smoothed rank estimators
平滑秩估计量的标准误与协方差矩阵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：摘要研究通用秩估计的平滑与标准误计算，没有分位数效应或其他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
平滑秩估计量的标准误与协方差矩阵
- 研究问题
- 秩估计函数的不光滑性妨碍标准误计算时，如何通过平滑获得便于计算的标准误与多参数协方差矩阵？
- 方法与思路
- 作者借助标准误的伪贝叶斯解释，对估计函数施加诱导平滑，并构造标准误及多参数协方差矩阵的迭代计算。
- 材料陈述的贡献
- 摘要称，平滑保留效率与稳健性，迭代收敛较快，标准误计算渐近成为一步程序；该性质也扩展至协方差矩阵。
- 阅读关注点
- 应核对平滑分布和尺度的选择、效率与稳健性保持的条件，以及一步计算的渐近含义和迭代收敛依据。
- 阅读边界
- 来源为版本未注明的 OpenAlex 摘要；未说明具体条件、算法或有限样本精度，伪贝叶斯解释不能直接等同于完整贝叶斯模型。
原文摘要
A ‘pseudo-Bayesian’ interpretation of standard errors yields a natural induced smoothing of statistical estimating functions. When applied to rank estimation, the lack of smoothness which prevents standard error estimation is remedied. Efficiency and robustness are preserved, while the smoothed estimation has excellent computational properties. In particular, convergence of the iterative equation for standard error is fast, and standard error calculation becomes asymptotically a one-step procedure. This property also extends to covariance matrix calculation for rank estimates in multi-parameter problems. Examples, and some simple explanations, are given.