Minimax Aspects of Bounded-Influence Regression
有界影响回归的极小极大性质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：摘要聚焦一般回归的稳健估计与杠杆诊断，未明确涉及所列经济学细分领域。
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
有界影响回归的极小极大性质
- 研究问题
- 从有限样本极小极大稳健估计角度看，有界影响回归应如何处理极高杠杆观测，估计与诊断目标是否冲突？
- 方法与思路
- 作者依据有限样本极小极大理论审视有界影响回归，主张选择性降低高杠杆点的影响，并讨论残差标准化近似。
- 材料陈述的贡献
- 摘要建议杠杆阈值大致取 0.2 至 0.5；在上端阈值下可用自身估计标准差缩放残差近似，并指出估计与诊断的冲突。
- 阅读关注点
- 应核对污染模型、极小极大损失与阈值依据，以及选择性降权和残差缩放近似之间的关系及诊断信息的损失。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；给定阈值是摘要中的建议，不能推广为通用规则；未说明近似误差或适用设计，也不能推断刊本变化。
原文摘要
Bounded-influence regression (in the sense of Hampel-Mallows-Krasker-Welsch) is examined critically from the point of view of finite-sample minimax robust estimation theory. The main conclusion is that the influence of position of very high leverage points—that is, of points where the diagonal element of the hat matrix H = X(XTX)−1 XT exceeds a certain bound—should be cut down selectively. This bound should be chosen roughly between .2 and .5; for the upper of these values, the resulting estimate can be approximated very simply by scaling the residuals by their own estimated standard deviation. A conflict between decision theoretic (estimation) and data analytic (diagnostic) viewpoints is pointed out and briefly discussed.