Minimum Mean Squared Estimation of Location and Scale Parameters Under Misspecification of the Model
模型误设下位置与尺度参数的最小均方距离估计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：摘要涉及一般位置尺度模型的拟合与误设偏差，未讨论经济分布效应或其他所列专门方向，因此不作细分归类。
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
模型误设下位置与尺度参数的最小均方距离估计
- 研究问题
- 通过拟合经验分布函数估计位置与尺度参数时，模型正确和模型误设分别如何影响渐近分布与偏差表现？
- 方法与思路
- 作者最小化经验分布函数与选定参数分布函数之间的均方距离，重点考察真实分布不属于假定参数族时的偏差。
- 材料陈述的贡献
- 摘要称，模型正确时位置估计量与 Hodges–Lehmann 估计量具有相同渐近分布，并提供污染正态分布下的数值研究。
- 阅读关注点
- 应核对分布函数距离的具体定义、位置与尺度的目标参数、误设时偏差的参照标准，以及污染正态实验的设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；污染强度、数值结果和完整正则条件未提供，不能据此认定该方法普遍稳健或最优。
原文摘要
The paper is concerned with estimating location and scale parameters by estimators minimizing a mean squared distance between the empirical distribution function and a conveniently chosen parameterized distribution function. Within the true parametric family the location estimator has the same asymptotic distribution as that of Hodges & Lehmann. If the underlying distribution is not a member of the assumed parametric family, the questions concerning bias, rather than variance, are dominant and most of the paper is concerned with this situation. Numerical results are given for the case of contaminated normal distributions.