On Bias Reduction in Estimation
估计中的偏差减少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：摘要提出通用点估计减偏理论及算法，所述应用不足以对应所列经济计量细分领域。
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
估计中的偏差减少
- 研究问题
- 如何以统一程序减少点估计偏差，并正确进行重复修正以消除更高阶偏差？这种推广在何种应用中还可能降低均方误差？
- 方法与思路
- 作者提出包含刀切法作为特例的一般减偏程序，指出既有重复应用方式的问题，并定义符合高阶偏差消除要求的算法。
- 材料陈述的贡献
- 摘要称既有重复应用缺少原本追求的减偏性质，提出正确的替代算法，并在比率估计、可靠性及截断分布中展示应用。
- 阅读关注点
- 阅读时应核对偏差展开的条件、正确重复应用的递推形式、可消除的偏差阶数，以及减偏与方差增加之间的权衡。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要仅称部分应用中均方误差降低，未给完整条件，不能认定减偏必然改善总体误差。
原文摘要
A general procedure for reducing the bias of point estimators is introduced. The technique includes the “jackknife” as a special case. The existing notion of reapplication is shown to lack a desirable bias removal property for which it was originally designed. Proper reapplication is proposed to conform to the general notion of higher order bias elimination and an interesting algorithm for the correct method is defined. Illustrative examples are drawn from ratio estimation, reliability and truncated distributions. The reduced mean square error which attracted some attention to the jackknife is present in the generalization for some applications.