Weighted envelope estimation to handle variability in model selection
处理模型选择变异的加权包络估计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：摘要研究多元统计中的包络估计与模型选择变异，缺乏所列经济计量细分方向的直接证据。
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
处理模型选择变异的加权包络估计
- 研究问题
- 多元统计中的包络维度选择会引入额外变异，如何在估计时处理这种选择不稳定性，并评估相应的方差？
- 方法与思路
- 作者开发加权包络估计量以处理维度选择波动，提供理论论证，并研究用残差自助法估计其渐近方差的有效性。
- 材料陈述的贡献
- 摘要称加权估计为处理包络维度选择变异提供方法，建立残差自助法的有效性，并用模拟与实际数据展示其用途。
- 阅读关注点
- 应核对候选维度的权重构造、理论所需条件，以及残差自助法是否覆盖维度选择带来的变异和有限样本表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断其他版本变化。摘要未给出权重公式、具体效率增益或适用模型范围。
原文摘要
Envelope methodology can provide substantial efficiency gains in multivariate statistical problems, but in some applications the estimation of the envelope dimension can induce selection volatility that may mitigate those gains. Current envelope methodology does not account for the added variance that can result from this selection. In this article, we circumvent dimension selection volatility through the development of a weighted envelope estimator. Theoretical justification is given for our estimator, and the validity of the residual bootstrap for estimating its asymptotic variance is established. A simulation study and real-data analysis illustrate the utility of our weighted envelope estimator.