Simpler bootstrap estimation of the asymptotic variance of U ‐statistic‐based estimators
基于U统计量的估计量：更简便的渐近方差自助法估计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：摘要讨论通用U统计量极值估计的方差计算，没有提供所列应用领域或数据结构的明确依据。
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
基于U统计量的估计量：更简便的渐近方差自助法估计
- 研究问题
- 当基于U统计量的极值估计量计算复杂时，如何降低自助法反复重新估计的负担，同时近似标准自助法的渐近方差结果？
- 方法与思路
- 作者针对基于U统计量的极值估计，改为重复计算一个由单重求和构成的相关估计量，并通过模拟比较近似表现。
- 材料陈述的贡献
- 摘要称该替代方法能较好近似标准自助法；若目标是实现这种近似，模拟显示其表现优于数值导数方法。
- 阅读关注点
- 应核对相关估计量与原估计量的理论联系、重抽样实施及适用条件，并比较方差近似误差、计算成本和数值导数基准。
- 阅读边界
- 摘要未给出适用的U统计量阶数、退化性条件或实际耗时；模拟中的近似优势不能推广到所有复杂估计量或所有自助推断目标。
原文摘要
The bootstrap is a popular and useful tool for estimating the asymptotic variance of complicated estimators. Ironically, the fact that the estimators are complicated can make the standard bootstrap computationally burdensome because it requires repeated recalculation of the estimator. In this paper, we propose a method that is specific to extremum estimators based on U‐statistics. The contribution here is that rather than repeated recalculation of the U‐statistic‐based estimator, we can recalculate a related estimator based on single sums. A simulation study suggests that the approach leads to a good approximation to the standard bootstrap and that if this is the goal, then our approach is superior to numerical derivative methods.