Breakdown points of t-type regression estimators
t 型回归估计量的崩溃点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：摘要研究稳健回归的影响控制与崩溃点，未涉及所列细分方向的特定模型或应用。
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
t 型回归估计量的崩溃点
- 研究问题
- 如何构造既限制高杠杆点影响、又具有不随回归维度降低的正崩溃点的广义 M 估计量，并使其定义与计算更清楚？
- 方法与思路
- 作者使用回降评分函数，对适当加权的残差优化 t 型似然；在给定依赖设计的权重后，通过 EM 算法计算估计量。
- 材料陈述的贡献
- 摘要称该类估计量可获得与维度无关的正崩溃点，Cauchy 评分达到二分之一，并避免估计方程中的不良根。
- 阅读关注点
- 应核对设计权重的构造、崩溃点结论的条件、优化解与 EM 收敛的关系，以及经验比较采用的污染机制和评价指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；经验竞争力是作者陈述，具体比较和适用条件未提供，不能推断刊本变化。
原文摘要
To bound the influence of a leverage point, generalised M-estimators have been suggested. However, the usual generalised M-estimator of regression has a breakdown point that is less than the inverse of its dimension. This paper shows that dimension-independent positive breakdown points can be attained by a class of well-defined generalised M-estimators with redescending scores. The solution can be determined through optimisation of t-type likelihood applied to properly weighted residuals. The highest breakdown point of ½ is attained by Cauchy score. These bounded-influence and high-breakdown estimators can be viewed as a fully iterated version of the one-step generalised M-estimates of Simpson, Ruppert & Carroll (1992) with the two advantages of easier interpretability and avoidance of undesirable roots to estimating equations. Given the design-dependent weights, they can be computed via EM algorithms. Empirical investigations show that they are highly competitive with other robust estimators of regression.