Minimum Hellinger Distance Estimates for Parametric Models
参数模型的最小 Hellinger 距离估计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：摘要提供一般参数估计与稳健统计理论，缺少对应所列经济计量领域的具体文本依据。
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
参数模型的最小 Hellinger 距离估计
- 研究问题
- 在独立同分布样本的参数密度模型中，如何兼顾模型正确时的渐近效率与模型附近的稳健性，并检验所选模型是否适配？
- 方法与思路
- 作者定义并研究最小 Hellinger 距离参数估计程序，配套构造拟合优度统计量，并用正常及污染数据展示正态位置尺度模型拟合。
- 材料陈述的贡献
- 摘要称该程序在指定的正则参数族下渐近有效，在其小 Hellinger 邻域内具有极小极大稳健性，并提供模型适配评估。
- 阅读关注点
- 应核对距离估计的具体构造、正则性条件和邻域定义，明确稳健性的损失准则，以及拟合优度统计量的校准方式。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；正则条件、邻域大小与数值结果未说明，不能据此保证任意污染或任意参数模型下的稳健性。
原文摘要
This paper defines and studies for independent identically distributed observations a new parametric estimation procedure which is asymptotically efficient under a specified regular parametric family of densities and is minimax robust in a small Hellinger metric neighborhood of the given family. Associated with the estimator is a goodness-of-fit statistic which assesses the adequacy of the chosen parametric model. The fitting of a normal location-scale model by the new procedure is exhibited numerically on clear and on contaminated data.