Mixed-rates asymptotics
混合收敛速率的渐近分析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：文本提供通用估计量渐近理论及统计示例，未明确对应任何所列应用细分领域。
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
混合收敛速率的渐近分析
- 研究问题
- 当经验准则优化得到的估计量涉及不同收敛速率，而常规统一缩放方法无法揭示完整极限行为时，应如何分析？
- 方法与思路
- 作者把经验准则分解为采用不同缩放的若干组成部分，据此推导估计量的极限行为，并用多类估计问题说明方法。
- 材料陈述的贡献
- 摘要称该方法可处理标准分析未能给出完整极限行为的情形，示例包括Lasso类估计、聚类、Shorth和部分线性模型。
- 阅读关注点
- 应核对准则分解的条件、各部分缩放的选择及其相互作用，并区分示例中的收敛速率与极限分布适用范围。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；摘要未给出具体正则条件与极限分布，不能据此推断各示例或刊本的完整结论。
原文摘要
A general method is presented for deriving the limiting behavior of estimators that are defined as the values of parameters optimizing an empirical criterion function. The asymptotic behavior of such estimators is typically deduced from uniform limit theorems for rescaled and reparametrized criterion functions. The new method can handle cases where the standard approach does not yield the complete limiting behavior of the estimator. The asymptotic analysis depends on a decomposition of criterion functions into sums of components with different rescalings. The method is explained by examples from Lasso-type estimation, k-means clustering, Shorth estimation and partial linear models.