Assessing robustness of generalised estimating equations and quadratic inference functions
广义估计方程与二次推断函数的稳健性评估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：摘要讨论一般估计方法的稳健性，未明确涉及所列领域细分的具体模型或应用。
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
广义估计方程与二次推断函数的稳健性评估
- 研究问题
- 数据含有污染或异常值时，广义估计方程与二次推断函数为何表现出不同的稳健性，其差异能否获得理论解释？
- 方法与思路
- 作者从影响函数角度比较两种方法，分析二次推断函数对应估计量的回降性质，并结合模拟与真实数据示例。
- 材料陈述的贡献
- 摘要称二次推断函数具有有界影响函数，且在部分数据污染下仍可保持一致性；作者据此主张其稳健性更好。
- 阅读关注点
- 阅读全文时应核对影响函数有界和回降性质的成立条件、允许的数据污染方式，以及模拟和实证比较的具体设置。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；摘要未说明污染限制与正则条件，不能将其稳健性结论推广到任意情形。
原文摘要
In the presence of data contamination or outliers, some empirical studies have indicated that the two methods of generalised estimating equations and quadratic inference functions appear to have rather different robustness behaviour. This paper presents a theoretical investigation from the perspective of the influence function to identify the causes for the difference. We show that quadratic inference functions lead to bounded influence functions and the corresponding M‐estimator has a redescending property, but the generalised estimating equation approach does not. We also illustrate that, unlike generalised estimating equations, quadratic inference functions can still provide consistent estimators even if part of the data is contaminated. We conclude that the quadratic inference function is a preferable method to the generalised estimating equation as far as robustness is concerned. This conclusion is supported by simulations and real‐data examples.