A Comparison of the Stein-Rule and Positive-Part Stein-Rule Estimators in a Misspecified Linear Regression Model
错设线性回归中 Stein 规则与正部 Stein 规则估计量的比较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：摘要讨论一般回归收缩估计量的预测风险，未明确宏观预测或金融收益预测对象，故不归入相关预测细分。
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
错设线性回归中 Stein 规则与正部 Stein 规则估计量的比较
- 研究问题
- 线性回归遗漏相关解释变量时，Stein 规则与正部 Stein 规则估计量的预测风险如何比较，后者何时占优？
- 方法与思路
- 作者推导正部 Stein 规则估计量预测风险的精确公式，给出其优于 Stein 规则的充分条件，并数值比较三类估计量。
- 材料陈述的贡献
- 摘要给出风险公式与占优的充分条件；数值计算使作者认为，存在遗漏变量时正部规则在 OLS、SR 和 PSR 中可能更合适。
- 阅读关注点
- 应核对预测风险的定义、遗漏变量造成的错设方式、占优条件，以及数值比较的参数范围与基准设定。
- 阅读边界
- 仅据所给 Crossref 摘要，占优条件和数值设计未说明；作者的数值判断不能据此提升为对所有错设模型的统一结论。
原文摘要
In this paper, we examine the performance of the predictive risk of the Steinrule (SR) and positive-part Stein-rule (PSR) estimators when relevant regressors are omitted in the specified model. The exact formula of the predictive risk of the PSR estimator is derived, and the sufficient condition for the PSR estimator to dominate the SR estimator under a specification error is given. It is shown by numerical computation that the PSR estimator seems to be the best choice among the OLS, SR, and PSR estimators even when there are omitted variables.