Heteroscedasticity-Robustness of Jackknife Variance Estimators in Linear Models
线性模型中 Jackknife 方差估计量的异方差稳健性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：摘要研究通用回归方差估计与异方差稳健性，未明确涉及所列因果、面板或金融波动率方向。
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
线性模型中 Jackknife 方差估计量的异方差稳健性
- 研究问题
- 在线性模型误差异方差时，不同 Jackknife 方差估计量何时渐近无偏且一致？删除数量和模型不均衡如何影响结果？
- 方法与思路
- 作者以删除观测数及模型不均衡指标刻画三类方差估计量的性质，并研究一类 Wu 加权方法对非线性参数的一致性。
- 材料陈述的贡献
- 摘要称，部分逐一删除估计量的充要条件比 Wu 方法更严格，偏差比较也有利于后者；还给出非线性参数的一致性分析。
- 阅读关注点
- 应核对不均衡指标和异方差条件的定义、各类权重及删除规则，并区分充要条件、偏差比较与非线性参数结论的范围。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未列明条件或偏差量级，不能推断 Wu 方法在所有设计及有限样本中都更优。
原文摘要
The asymptotic unbiasedness and consistency of three types of jackknife variance estimators in the presence of error variance heteroscedasticity in linear models are studied. The results are given in terms of the number of observations deleted and measures of imbalance of the model. The consistency of a class of Wu's weighted jackknife variance estimators for nonlinear parameters is also studied. A necessary and sufficient condition is given for the asymptotic unbiasedness and consistency of the unweighted delete-1 jackknife variance estimator and Hinkley's weighted delete-1 jackknife variance estimator. This condition is more stringent than those required for Wu's weighted jackknife. Comparison of the three delete-1 jackknife variance estimators in terms of their biases also favors the latter method.