Estimates of Parameters of a Censored Regression Sample
删截回归样本的参数估计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：摘要讨论通用稳健线性回归，未明确涉及因果、面板、选择模型或分位数方法。
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
删截回归样本的参数估计
- 研究问题
- 在自变量等距且各取值样本数相同的线性回归中，分层或合并进行缩尾与截尾，能否改善污染情形下的参数估计效率？
- 方法与思路
- 作者比较分层和合并缩尾、截尾程序，以解析方法及蒙特卡洛计算效率、均值和方差，基准误差为正态并考察两类污染。
- 材料陈述的贡献
- 摘要称缩尾与截尾相对标准方法提高了效率，并分别提供分层程序的解析效率比较和合并程序的模拟比较。
- 阅读关注点
- 全文需核对缩尾与截尾规则、位置和尺度污染的构造、标准方法定义，以及等距平衡设计对效率比较的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要研究特定设计下的缩尾与截尾，未说明一般删失机制或具体效率增幅。
原文摘要
Winsorization and trimming using stratified and pooled procedures are proposed for linear regression analysis. The regression model assumes an equal number of observations at each value of an equally spaced independent variable. In the null case, the error variable is normally distributed. Efficiencies of estimates are obtained analytically for the stratified procedure and by Monte Carlo methods for the pooled procedure. Means and variances of estimates are obtained analytically for the untreated sample and by Monte Carlo methods for the Winsorized and trimmed samples for both location and scalar contamination. Winsorization and trimming show increased efficiency over the standard method.