Adaptive Robust Procedures: A Partial Review and Some Suggestions for Future Applications and Theory
自适应稳健程序：部分综述及应用与理论建议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：摘要覆盖通用稳健估计与检验，提到回归也不足以确定所列经济计量细分方向。
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
自适应稳健程序：部分综述及应用与理论建议
- 研究问题
- 当正态理论估计不适合数据时，如何根据样本特征选择稳健估计、截尾程度和检验程序，并发展后续理论？
- 方法与思路
- 作者综述非自适应与自适应稳健估计，讨论预检验、Stein 类程序、截尾均值、回归估计和自适应无分布检验。
- 材料陈述的贡献
- 摘要提出截尾程度选择建议，讨论若干方法的数据分析用途，并对密度出现陡变时某类估计量的潜力提出猜想。
- 阅读关注点
- 应区分综述的既有结果、作者的应用建议与尚未证明的猜想，核对各方法适用的分布条件和误差近似依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；这是部分综述与建议，摘要中的前景判断和猜想不能视为已证明的普遍改进。
原文摘要
After providing some background for the need to consider estimates other than those resulting from normal theory, there is a brief review of some nonadaptive robust estimators. We introduce adaptive estimators using those of Tukey and McLaughlin, Jaeckel, Johns, Birnbaum and Miké, Takeuchi, Hàjek, van Eeden, and Beran. Adaptive estimators based on preliminary testing and Stein-like procedures are then considered, and recommendations are made on how to select the amount of trimming. Various proposals for estimating regression coefficients are also considered. Adaptive distrubution-free tests look very promising for improving the power of nonparametric tests, and some of these techniques can be used effectively in data analysis. Asymmetric trimmed means, adapted to the particular sample, can easily be used with data and provide good descriptive statistics having an approximate error structure. Finally, it is conjectured that estimators based on “cliff-hangers” might be extremely effective if there are sharp changes in the height of the underlying density function.