Asymptotic Properties of a Family of Minimum Quantile Distance Estimators
一族最小分位数距离估计量的渐近性质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：估计准则直接比较样本分位数与参数分位数函数，并研究分位数选择的效率和稳健性。
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
一族最小分位数距离估计量的渐近性质
- 研究问题
- 利用有限个指定分位数估计参数时，如何选择距离准则以获得一致性、渐近正态性、稳健性和较高估计效率？
- 方法与思路
- 作者最小化样本分位数与参数分位数函数之间的二次距离，并计算三参数对数正态模型的相对效率及开展小样本模拟。
- 材料陈述的贡献
- 摘要称，正则条件下估计量一致、渐近正态且稳健；特定二次型在指定估计量类中最优，分位数数量增加时趋近完全效率。
- 阅读关注点
- 应核对正则条件、最优二次型和比较类的定义，以及分位数数量趋于无穷的论证、分位点选择与稳健性衡量方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明完整条件及效率极限的取法，三参数对数正态模拟不能代表所有分布。
原文摘要
A family of estimators based upon M specified quantiles is defined. These procedures take as the estimate the vector that minimizes a quadratic distance measure between M sample quantiles and a parametric family of quantile functions. Under regularity conditions these estimators are consistent, asymptotically normal, and robust. For a specific quadratic form the estimator is optimal among a class of asymptotically normal estimators, and it approaches full efficiency as M approaches infinity. The asymptotic relative efficiency is computed for various sets of quantiles and various parameter values of the three-parameter lognormal distribution. The small-sample properties and robustness of the optimal M-quantile estimator for the three-parameter lognormal distribution are investigated in Monte Carlo studies.