Inadmissibility of Linearly Invariant Estimators in Truncated Parameter Spaces
截断参数空间中线性不变估计量的不可容许性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：摘要属于受约束估计的通用决策理论，所给应用不足以对应指定的计量细分。
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
截断参数空间中线性不变估计量的不可容许性
- 研究问题
- 当实际参数空间严格小于完整参数空间时，接近参数边界的线性不变估计量在二次损失下是否仍可容许？
- 方法与思路
- 作者在具有线性不变结构和二次损失的估计问题中分析边界附近估计量，并给出具有更好风险表现的替代估计量。
- 材料陈述的贡献
- 摘要称证明相关估计量的不可容许性，提出改进估计量，并将结果应用于不等式约束回归和随机化回答问题。
- 阅读关注点
- 核对参数空间的截断方式、边界附近的精确定义，以及替代估计量在哪些参数值和损失标准下改善风险。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出支配关系的条件，不能据此宣称所有受约束估计量均可改进。
原文摘要
Estimation problems are considered where the actual parameter space is a strict subset of the full parameter space. A linear invariance structure is assumed and a quadratic loss function is used. Then it is shown that estimators taking values near the boundary of the parameter space are inadmissible and better estimators are presented. Applications are given in the fields of inequality constraint regression and randomized response.