A general method for third-order bias and variance corrections on a nonlinear estimator
非线性估计量偏差与方差三阶修正的一般方法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：摘要的核心是通用非线性估计量高阶修正，SAR 仅为详细研究对象，未提供更直接的细分归属。
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
非线性估计量偏差与方差三阶修正的一般方法
- 研究问题
- 如何简化非线性估计量偏差与方差的三阶修正，避免高阶展开中复杂期望的解析计算，并改善有限样本推断？
- 方法与思路
- 作者基于集中估计方程作随机展开，再用简单自助程序估计展开中的期望；在 SAR 模型中详细研究，并扩展至多个非线性估计量。
- 材料陈述的贡献
- 摘要称，自助程序的有效性得到形式证明，SAR 模拟展示偏差修正和推断改善；作者同时主张其较解析方法更简单且适用更广。
- 阅读关注点
- 应核对三阶修正的阶数定义、展开余项控制、自助期望计算的有效条件，以及多个估计量扩展如何处理联合偏差与方差。
- 阅读边界
- 仅据所给出版社摘要，无法判断一般适用范围、修正量的数值稳定性或改善幅度；SAR 模拟不能替代普遍验证，也不能推断版本变化。
原文摘要
Motivated by a recent study of Bao and Ullah (2007a) on finite sample properties of MLE in the pure SAR (spatial autoregressive) model, a general method for third-order bias and variance corrections on a nonlinear estimator is proposed based on stochastic expansion and bootstrap. Working with concentrated estimating equation simplifies greatly the high-order expansions for bias and variance; a simple bootstrap procedure overcomes a major difficulty in analytically evaluating expectations of various quantities in the expansions. The method is then studied in detail using a more general SAR model, with its effectiveness in correcting bias and improving inference fully demonstrated by extensive Monte Carlo experiments. Compared with the analytical approach, the proposed approach is much simpler and has a much wider applicability. The validity of the bootstrap procedure is formally established. The proposed method is then extended to the case of more than one nonlinear estimator.