Bootstrap-Based Inference for Cube Root Asymptotics
立方根渐近下的自助法推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论通用非标准渐近与重抽样理论，未说明可对应所列领域的具体模型。
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…
立方根渐近下的自助法推断
- 研究问题
- 对于具有 Chernoff 型极限分布、标准非参数自助法失效的 M 估计量，如何构造有效的重抽样分布近似？
- 方法与思路
- 作者在非参数自助法框架内修改定义估计量的准则函数形状，以恢复分布近似的一致性，并用四个例子说明适用性。
- 材料陈述的贡献
- 摘要称提出通用且易实现的重抽样推断方法，在概念上区别于已有分布近似，并展示计量经济学与机器学习中的应用。
- 阅读关注点
- 应核对准则函数如何修改、所需形状信息如何估计，以及一致性证明的条件和四个例子对一般方法的限制。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明具体例子、修正公式或有效性的完整条件。
原文摘要
This paper proposes a valid bootstrap-based distributional approximation for M-estimators exhibiting a Chernoff (1964)-type limiting distribution. For estimators of this kind, the standard nonparametric bootstrap is inconsistent. The method proposed herein is based on the nonparametric bootstrap, but restores consistency by altering the shape of the criterion function defining the estimator whose distribution we seek to approximate. This modification leads to a generic and easy-to-implement resampling method for inference that is conceptually distinct from other available distributional approximations. We illustrate the applicability of our results with four examples in econometrics and machine learning.