ESTIMATION AND INFERENCE FOR MOMENTS OF RATIOS WITH ROBUSTNESS AGAINST LARGE TRIMMING BIAS
比值矩的估计与推断：对大幅修剪偏差的稳健处理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：摘要主要研究通用比值矩的修剪偏差，企业融资应用不足以对应所给金融细分方向。
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
比值矩的估计与推断：对大幅修剪偏差的稳健处理
- 研究问题
- 估计 E[B/A] 时，删除小分母观测虽能降低方差，却可能造成较大偏差；如何校正并进行有效推断？
- 方法与思路
- 作者利用 A 与 B 联合分布的平滑性估计修剪偏差，提出偏差校正及配套推断，并在重尾模拟和企业数据中应用。
- 材料陈述的贡献
- 摘要称提供针对较大修剪偏差的新校正方法，并分析2000至2010年美国制造企业外部融资依赖的变化。
- 阅读关注点
- 应核对联合分布的平滑条件、修剪阈值和偏差估计方式，以及重尾比值下推断所需的矩条件与剩余偏差控制。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断允许多大修剪程度、具体模拟改善或企业应用结果；其他版本及刊本变化未说明。
原文摘要
Researchers often trim observations with small values of the denominator A when they estimate moments of the form $\mathbb {E}[B/A]$ . Large trimming is common in practice to reduce variance, but it incurs a large bias. This paper provides a novel method of correcting the large trimming bias. If a researcher is willing to assume that the joint distribution between A and B is smooth, then the trimming bias may be estimated well. Along with the proposed bias correction method, we also develop an inference method. Practical advantages of the proposed method are demonstrated through simulation studies, where the data generating process entails a heavy-tailed distribution of $B/A$ . Applying the proposed method to the Compustat database, we analyze the history of external financial dependence of U.S. manufacturing firms for years 2000–2010.