Window Subsampling of Estimating Functions with Application to Regression Models
估计函数的窗口子抽样及其在回归模型中的应用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：摘要明确处理时间相关数据并将方差估计用于时间序列，因此选择时间序列方法方向。
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
估计函数的窗口子抽样及其在回归模型中的应用
- 研究问题
- 当数据存在时间或空间相关性，而参数由估计方程确定时，如何估计其渐近标准误，尤其是独立性工作假设下的回归系数？
- 方法与思路
- 作者对估计函数实施窗口子抽样，以估计参数方差；重点讨论含协变量的广义线性模型，并避免反复重新估计参数。
- 材料陈述的贡献
- 摘要称将子抽样思想扩展至估计函数，提供一致方差估计，使相关数据的半参数回归推断可应用于时间和空间数据。
- 阅读关注点
- 应核对依赖结构、窗口大小及其增长条件、估计函数的正则性，以及不重新估计参数如何保留方差估计的一致性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未给出窗口选择规则或一致性条件，公式排版需核对原文。
原文摘要
We propose a subsampling method for estimating the asymptotic standard error of a statistic β n that is the solution to an estimating equation 1/n Σn j=1 Uj(Y j Xj, β) = 0 where the data Yj may be temporally or spatially correlated and the estimating function may depend on covariates Xj . A key statistic that we consider in detail is a generalized linear model regression coefficient computed under the assumption of independence. The availability of a consistent variance estimator allows semiparametric regression approaches for clustered and longitudinal data to be used with time series and spatial data. The methods that we develop extend the subsampling ideas of Carlstein, Sherman, and Garcia-Soidan and Hall to estimating functions. Our approach provides an attractive alternative to the jackknife method of Lele, particularly for large datasets, because we do not require parameter reestimation.