M Estimation of Multivariate Regressions
多元回归的 M 估计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：摘要关注一般多元回归的稳健估计；投资数据示例不足以把方法归为面板、资产定价或金融因子模型。
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
多元回归的 M 估计
- 研究问题
- 如何为经典多元回归中的似不相关回归估计构造稳健替代方法，并理解效率表现与缺乏仿射等变性的影响？
- 方法与思路
- 作者提出加权 M 估计，推导与似不相关回归形式类似的渐近协方差，并在椭圆分布下比较最小绝对偏差情形的效率。
- 材料陈述的贡献
- 摘要称提供了稳健替代估计及协方差分析，并以平滑的近似绝对偏差估计重析 Grunfeld 投资数据，同时讨论仿射等变性缺失。
- 阅读关注点
- 应核对权重与损失函数的选取、渐近协方差成立条件，以及变量尺度或坐标变换如何影响估计和稳健性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；协方差形式类似不代表效率相同，摘要也未给出一致优于其他稳健方法的证据。
原文摘要
Robust alternatives to the seemingly unrelated regression (SUR) estimator of Zellner (1962) are proposed for the classical multivariate regression model. These weighted M estimators achieve an asymptotic covariance matrix analogous to that of the SUR estimator. Comparisons for the l 1, least absolute deviation, case are made with the efficient estimator in the case of elliptically contoured distributions. An example reanalyzing the Grunfeld investment data using a smooth “l 1-like” M estimator is discussed in detail. In contrast to recent work of Hampel, Ronchetti, Rousseeuw, and Stahel (1986), Rousseeuw (1987), and Oja (1983), the methods studied here are not affine equivariant; some remarks on the potential significance of this failing conclude the article.