Robust Spectral Regression
稳健谱回归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：摘要明确涉及平稳扰动、谱密度与序列相关校正，直接对应时间序列方法。
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
稳健谱回归
- 研究问题
- 当回归扰动是平稳过程，而其谱密度仅知位于指定谱密度的邻域内时，如何稳健估计并判断何时需要校正序列相关？
- 方法与思路
- 作者考察一类广义最小二乘估计，分析回归变量与扰动谱的相互作用，并以频域加权最小二乘形式降低突出频率的权重。
- 材料陈述的贡献
- 摘要称，在所考虑的估计类中找到对序列相关最优稳健化的估计量，并刻画需要相关校正的谱相互作用范围。
- 阅读关注点
- 应核对谱密度邻域、稳健最优性准则及估计类的限制，以及频域权重如何构造、突出频率如何识别和边界情形如何处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出邻域尺度、最优性目标或数值比较，结论限于其平稳扰动设定和估计类。
原文摘要
This paper addresses the problem of linear regression estimation when the disturbances follow a stationary process with its spectral density known only to be in a neighborhood of some specified spectral density, for instance, that of white noise. Rather than trying to adapt to a small unspecified autocorrelation, we follow here the robustness approach, and establish the extent of the regressors and disturbance spectra interaction which require serial correlation correction. We consider a class of generalized least-squares estimates, and find the estimator in this class which optimally robustifies the least-squares estimator against serial correlation. The estimator, when considered in the frequency domain, is of a form of weighted least squares with the most prominent frequencies of the regression spectrum being downweighted in a way similar to Huber's robust regression estimator.