Finite Sample Monte Carlo Studies: An Autoregressive Illustration
有限样本Monte Carlo研究：自回归模型示例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：摘要以一阶自回归模型详细展示有限样本估计量比较，提供了归入所列时间序列方向的明确依据。
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
有限样本Monte Carlo研究：自回归模型示例
- 研究问题
- 如何依据小样本性质在点估计量之间作出选择，并处理Monte Carlo比较中因评判标准不明确产生的结论不确定性？
- 方法与思路
- 作者从抽样角度讨论估计量选择，在统计决策理论框架内分析模拟研究的比较问题，并详细展开一阶自回归示例。
- 材料陈述的贡献
- 摘要称用统计决策理论处理多数Monte Carlo研究的结论不确定性，并以一阶自回归模型展示完整模拟研究的做法。
- 阅读关注点
- 核对损失函数、参数空间和决策准则如何确定，以及模拟误差与估计量风险如何分别进入比较和选择结论。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；未说明具体损失、模拟设置或优胜估计量，不能据此给出一般估计量排名。
原文摘要
In this paper the problem of choosing among point estimators on the basis of their small sample properties is discussed from the sampling point of view. The indeterminacy of most Monte Carlo studies is analysed and resolved within the framework of statistical decision theory. A first order autoregressive model is worked through in detail both for its own sake and to illustrate how a complete Monte Carlo study might be done.