Estimation of a Loss Function for Spherically Symmetric Distributions in the General Linear Model
一般线性模型中球对称分布下的损失估计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：摘要涉及一般线性模型的损失估计理论，没有与所列应用或方法细分方向直接对应的证据。
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
一般线性模型中球对称分布下的损失估计
- 研究问题
- 在球对称抽样分布的一般线性模型中，如何估计点估计量的损失，并改进最小二乘与收缩估计的无偏损失估计？
- 方法与思路
- 作者在参数维度大于四且小于抽样空间维度的规范设置中，分别比较两类位置估计量的无偏和改进损失估计。
- 材料陈述的贡献
- 摘要称，改进损失估计的支配结果适用于较大一类球对称分布，并因不需精确指定抽样分布而具有稳健性。
- 阅读关注点
- 应核对点估计损失与损失估计评价准则的区别、维度限制、球对称分布的具体范围，以及支配结果的条件。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体损失及分布条件未说明，损失估计的改进不能直接解释为点估计量更优。
原文摘要
This paper is concerned with estimating the loss of a point estimator when sampling from a spherically symmetric distribution. We examine the canonical setting of a general linear model where the dimension of the parameter space is greater than 4 and less than the dimension of the sampling space. We consider two location estimators--the least squares estimator and a shrinkage estimator--and we compare their unbiased loss estimator with an improved loss estimator. The domination results are valid for a large class of spherically symmetric distributions and, in so far as the sampling distribution does not need to be precisely specified, the estimates have desirable robustness properties.