Variance Stabilization for a Scalar Parameter
标量参数的方差稳定化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：摘要研究一般M估计函数的方差稳定与置信推断，未指定所列领域中的应用对象或模型。
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…
标量参数的方差稳定化
- 研究问题
- 当标量参数由多元M估计量的函数估计时，如何构造便于计算的方差稳定变换，以支持置信限等统计推断？
- 方法与思路
- 作者提出自动、计算简单且基于经验信息的变换，并分别从参数和非参数视角论证其方差稳定作用，再以实例展示。
- 材料陈述的贡献
- 摘要称该变换弥补既有方法的不足，并在一个数值例中展示较低的置信限覆盖误差；具体改进幅度和适用条件未说明。
- 阅读关注点
- 应核对变换的定义、M估计量所需正则条件、参数与非参数论证的差别，以及覆盖误差比较采用的基准和样本设定。
- 阅读边界
- 仅据Crossref摘要，无法判断所谓广泛适用的范围，也不能将单个数值例中的覆盖表现推广为普遍优越性。
原文摘要
Summary We present a variance stabilizing transformation for inference about a scalar parameter that is estimated by a function of a multivariate M-estimator. The transformation proposed is automatic, computationally simple and can be applied quite generally. Though it is based on an intuitive notion and entirely empirical, the transformation is shown to have an appropriate justification in providing variance stabilization when viewed from both parametric and nonparametric perspectives. Further, the transformation repairs deficiencies of existing methods for variance stabilization. The transformation proposed is illustrated in a range of examples, and its effectiveness to yield confidence limits having low coverage error is demonstrated in a numerical example.