A Comparison of Preliminary Estimators for Robust Regression
稳健回归初步估计量的比较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：摘要讨论通用稳健回归估计量，未提供与所列具体领域直接对应的证据。
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
稳健回归初步估计量的比较
- 研究问题
- 在稳健回归中，最小绝对偏差估计量与另外两种基于中位数的初步估计量，其渐近表现和小样本表现如何比较？
- 方法与思路
- 作者利用三种估计量与中位数的联系，在简单模型中比较渐近性质，并指出评价初步估计量还需考虑小样本性质。
- 材料陈述的贡献
- 摘要称，比较结果总体支持最小绝对偏差估计量具有较好的渐近性质，但同时强调小样本表现也是评价的重要依据。
- 阅读关注点
- 阅读时应核对比较涉及的模型、误差分布和渐近评价指标，并查明哪些小样本性质可能影响估计量选择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无法核实刊本内容。摘要未列出比较条件，不能据此认定最小绝对偏差估计量普遍占优。
原文摘要
The minimum absolute deviation (MAD) estimator may be used as an initial, or preliminary, estimator in a robust regression procedure. Alternative estimators have been developed by Hinich and Talwar (1975) and Andrews (1974). All three estimators are related to the median, and so their respective asymptotic properties can be compared relatively easily, at least in simple models. The conclusion which emerges from such comparisons is that the asymptotic properties of the MAD estimator are, in general, superior to those of the other two estimators. However, certain small-sample properties are also important in assessing the relative merits of the different estimators.