ON THE UNIFORM CONVERGENCE OF DECONVOLUTION ESTIMATORS FROM REPEATED MEASUREMENTS
基于重复测量的反卷积估计量的一致收敛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：摘要研究一般测量误差反卷积的统计理论，未明确联系所给经济领域细分。
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
基于重复测量的反卷积估计量的一致收敛
- 研究问题
- 经典测量误差模型中，利用同一潜在变量的重复含噪测量进行反卷积时，能否在较弱条件下获得更快的一致收敛速度？
- 方法与思路
- 作者分析既有非参数反卷积估计量及其正则化版本，利用多元标准化经验特征函数过程的最大不等式推导速度。
- 材料陈述的贡献
- 摘要称允许潜在变量和误差具有无界支撑，不要求重复测量平方及乘积的矩母函数存在，并取得较已有研究更快的速度。
- 阅读关注点
- 应核对重复测量误差的结构条件、特征函数限制、正则化选择，以及速度比较是否在相同误差光滑性和评价范数下进行。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体速度表达式及其适用范围，也不能将较弱条件理解为无需矩条件；版本变化未说明。
原文摘要
This paper studies the uniform convergence rates of Li and Vuong’s (1998, Journal of Multivariate Analysis 65, 139–165; hereafter LV) nonparametric deconvolution estimator and its regularized version by Comte and Kappus (2015, Journal of Multivariate Analysis 140, 31–46) for the classical measurement error model, where repeated noisy measurements on the error-free variable of interest are available. In contrast to LV, our assumptions allow unbounded supports for the error-free variable and measurement errors. Compared to Bonhomme and Robin (2010, Review of Economic Studies 77, 491–533) specialized to the measurement error model, our assumptions do not require existence of the moment generating functions of the square and product of repeated measurements. Furthermore, by utilizing a maximal inequality for the multivariate normalized empirical characteristic function process, we derive uniform convergence rates that are faster than the ones derived in these papers under such weaker conditions.