Nonexistence of Informative Unbiased Estimators in Singular Problems
奇异问题中有信息无偏估计量的不存在性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：摘要属于通用非参数估计与统计理论，未指向所列领域细分中的特定经济计量问题。
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
奇异问题中有信息无偏估计量的不存在性
- 研究问题
- 密度估计、非参数回归等问题中的有效估计为何普遍存在偏差？奇异问题是否允许在有限样本或渐近意义下构造有信息无偏估计量？
- 方法与思路
- 作者从奇异统计问题的理论框架分析有信息无偏估计量的不存在性，分别讨论固定样本量与渐近情形，并考察部分正则问题。
- 材料陈述的贡献
- 摘要称，所有奇异问题均存在此类不存在性，涵盖多数最优收敛率慢于根号样本量倒数的问题，并讨论正则问题中的相关情形。
- 阅读关注点
- 应核对“奇异”“有信息”及渐近无偏的精确定义、不存在性定理的量词与条件，以及慢收敛率问题被涵盖的具体范围。
- 阅读边界
- 摘要未给出相关定义和证明，不能把慢收敛率直接当作奇异性的判据。解读限于版本未注明的OpenAlex索引摘要。
原文摘要
In many nonparametric problems, such as density estimation, nonparametric regression and so on, all the existing informative estimators are biased (asymptotic or finite sample). There has long been a suspicion that either informative unbiased estimators do not exist for such problems or they must be quite complicated. In this paper, we clarify the nonexistence of informative unbiased estimators in all singular problems both for fixed sample size and asymptotically (this includes most problems with optimal rate of convergence slower than $n^{-1/2}$). We also discuss situations in regular problems where such nonexistences can occur.