Infinitesimal Robustness for Autoregressive Processes
自回归过程的无穷小稳健性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：摘要以自回归过程的影响函数和稳健参数估计为核心，直接属于时间序列方法。
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
自回归过程的无穷小稳健性
- 研究问题
- 如何描述自回归过程估计对边际分布小污染的敏感性，并在影响函数受限的条件下构造渐近方差最小的稳健估计量？
- 方法与思路
- 作者定义刻画渐近污染偏差的影响函数，选择反映给定历史后新增观测影响的自然版本，并据此进行约束方差最小化。
- 材料陈述的贡献
- 摘要称获得了影响函数的自然唯一版本与简洁的渐近方差表达，并通过截断最大似然影响函数的倍数构造最优稳健估计。
- 阅读关注点
- 应核对边际污染模型、影响函数的等价关系与约束形式，以及最优性所覆盖的估计量范围和自回归过程条件。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要关注小污染下的局部渐近稳健性，不能据此判断大规模异常值或模型误设下的表现。
原文摘要
We define the influence function and construct optimal robust estimators for autoregressive processes. We show that the asymptotic bias caused by small contaminations of the marginals can be written as the integral of a certain function with respect to the contamination. This function is called the influence function. It is unique only up to an equivalence relation, but there is a natural unique version which describes the limiting influence of an additional observation given the previous observations. Moreover, with this version the asymptotic variance at the true model can be expressed in a simple form. Optimal robust estimators minimize this asymptotic variance under a constraint on the influence function. As in the i.i.d case, they are found by truncating a multiple of the influence function of the maximum likelihood estimator.