Uniform asymptotics for robust location estimates when the scale is unknown
尺度未知时稳健位置估计的一致渐近理论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：摘要讨论通用稳健位置和尺度估计理论，未提供所列经济计量应用细分方向的直接依据。
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…
尺度未知时稳健位置估计的一致渐近理论
- 研究问题
- 在误差尺度未知、数据分布仅限定于污染邻域时，哪些可验证条件能保证稳健位置估计的一致相合性和一致渐近正态性？
- 方法与思路
- 作者研究由 S 尺度估计配合计算的 M 位置估计，在污染邻域上建立一致渐近结果，并分析这些结果可成立的最大邻域大小。
- 材料陈述的贡献
- 摘要称，论文给出可验证的充分正则条件及最大污染邻域的计算方法，并揭示邻域大小与尺度估计崩溃点之间的权衡。
- 阅读关注点
- 应核对一致性所覆盖的分布集合、位置与尺度估计的联合条件、最大邻域的计算步骤，以及崩溃点权衡的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列具体条件、邻域上限或权衡公式，不能推断对任意污染程度均成立。
原文摘要
Most asymptotic results for robust estimates rely on regularity conditions that are difficult to verify in practice. Moreover, these results apply to fixed distribution functions. In the robustness context the distribution of the data remains largely unspecified and hence results that hold uniformly over a set of possible distribution functions are of theoretical and practical interest. Also, it is desirable to be able to determine the size of the set of distribution functions where the uniform properties hold. In this paper we study the problem of obtaining verifiable regularity conditions that suffice to yield uniform consistency and uniform asymptotic normality for location robust estimates when the scale of the errors is unknown. We study M-location estimates calculated with an S-scale and we obtain uniform asymptotic results over contamination neighborhoods. Moreover, we show how to calculate the maximum size of the contamination neighborhoods where these uniform results hold. There is a trade-off between the size of these neighborhoods and the breakdown point of the scale estimate.