Behavior of Robust Estimators in the Regression Model with Dependent Errors
依赖误差回归模型中稳健估计量的行为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：摘要明确处理严格平稳、强混合的依赖误差及其渐近行为，直接涉及时间序列依赖方法。
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
依赖误差回归模型中稳健估计量的行为
- 研究问题
- 当回归误差严格平稳且满足强混合条件时，秩统计量和稳健回归估计量具有怎样的渐近性质，其相对效率如何受依赖影响？
- 方法与思路
- 作者证明一类线性秩统计量对回归参数的渐近线性及其他弱收敛结果，据此分析 L、M 估计量的渐近正态性。
- 材料陈述的贡献
- 摘要称，一个高斯误差例子中，某些 R、M、L 估计量相对最小二乘的渐近效率不低于独立误差情形中的对应效率。
- 阅读关注点
- 应核对强混合条件、回归设计与稳健估计量的定义，特别是高斯例子中的依赖形式及相对效率比较的基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体正则条件未说明，例子也不能证明所有依赖误差下稳健估计均优于最小二乘。
原文摘要
This paper proves the asymptotic linearity in the regression parameter of a class of linear rank statistics when errors in the regression model are strictly stationary and strongly mixing. Besides this, several other weak convergence results are proved which yield the asymptotic normality of $L$ and $M$ estimators of the regression parameter under the above dependent structure. All these results are useful in studying the effect of the above dependence on the asymptotic behavior of $R, M$ and $L$ estimators vis-a-vis the least squares estimator. An example of linear model with Gaussian errors is given where it is shown that the asymptotic efficiency of certain classes of $R, M$ and $L$ estimators relative to the least squared estimator is greater than or equal to its value under the usual independent errors model.