Identification and Robustness with Contaminated and Corrupted Data
数据污染与损坏下的识别及稳健性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：摘要讨论一般数据误差模型下的部分识别与稳健性，未提供归入所列特定应用细分的依据。
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
数据污染与损坏下的识别及稳健性
- 研究问题
- 在稳健估计常用的数据污染或损坏模型下，当目标总体参数不能点识别时，能否通过上下界获得有用的识别信息？
- 方法与思路
- 作者从稳健估计采用的误差模型出发，考察未识别总体参数的可界定范围，并以污染抽样下总体均值的界为例说明。
- 材料陈述的贡献
- 摘要称未识别参数在这些误差模型下往往可以界定，并认为估计其界比对未识别参数作点估计更自然；总体均值是所举例子。
- 阅读关注点
- 阅读全文时应核对污染与损坏的模型设定、参数界是否锐利、界所需的限制，以及估计这些界时如何处理抽样不确定性。
- 阅读边界
- 摘要未给出界的具体公式、污染程度限制或界估计的推断方法；相关论述依赖所考虑的误差模型，不能推广到所有稳健方法。
原文摘要
Robust estimation aims at developing point estimators that are not highly sensitive to errors in data. However, the population parameters of interest are not identified under the assumptions of robust estimation, so the rationale for point estimation is not apparent. This paper shows that, under error models used in robust estimation, unidentified population parameters can often be bounded. The bounds provide information that is not available in robust estimation. For example, it is possible to bound the population mean under contaminated sampling. It is argued that estimating the bounds is more natural than attempting point estimation of unidentified parameters. Copyright 1995 by The Econometric Society.