跳到正文
← 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。

本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。

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：摘要以动态时间序列模型为主要对象，研究残差滤波中的污染传播及残差型估计量的一致性。

subsamplingestimationtime series
反馈分类问题

正在核对关联版本…

DOI · 预印本使用 arXiv 编号

arXiv

作者的期刊发表依据

暂未核实关联作者的本站覆盖期刊正式发表记录。仍保留在“全部预印本”；资料缺失不代表没有发表经历。

arXiv：2604.17676 · v3

首次提交：2026-04-20 · 最近修订：2026-05-10

原站分类：stat.ME / econ.EM / math.ST

收录依据：arXiv 计量经济学分类（econ.EM）

下载 BibTeX下载 RIS

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
Yukai Yang
Rickard Sandberg

AI 解读 · 基于可核验材料

动态污染下的子样本估计

研究问题
动态时间序列中，为什么即使准确知道污染位置并删去对应观测，子样本估计仍可能无法恢复干净数据参数的一致性？
方法与思路
作者分析污染经残差滤波传播后对估计准则的影响，提出通过片段移除算子变换索引集合，使删样范围与传播机制相容。
材料陈述的贡献
摘要称，点式删样与残差传播存在结构不相容；在一般高层条件下，新变换保持无污染情形的渐近行为，并恢复污染下的一致性。
阅读关注点
应核对污染传播范围、片段移除算子的定义、所需高层条件，以及哪些残差型估计量适用、删除片段如何影响有效样本。
阅读边界
这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未具体列出模型、污染限制或实施条件，不能推断方法适用于任意动态污染。

GPT-6.1 Sol · 高 · 2026-10-03

原文摘要

This paper studies a structural failure of subsample-based estimation in dynamic time series models. Even under oracle knowledge of contamination locations, removing contaminated observations does not restore the uncontaminated objective. In such settings, contamination propagates through the residual filter and distorts the estimation criterion. As a result, subsample-based estimators are generically inconsistent for the clean-data parameter. We characterise this failure as a structural incompatibility between pointwise subsampling and residual propagation. More generally, the failure arises whenever contamination propagates through transformations that enter the estimation criterion, with dynamic time series models as a leading example. To address it, we propose a propagation-compatible transformation of index sets via a patch removal operator. Under general high-level conditions, this transformation leaves the estimator asymptotically unchanged under the uncontaminated model while restoring consistency under contamination. The results apply to a broad class of residual-based estimators and do not rely on modelling the contamination process.

摘要来源：arXiv

笔记与分组