A Simple Method for Robust Regression
一种简单的稳健回归方法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：摘要明确将稳健回归用于资本资产定价模型中的证券风险参数估计。
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
一种简单的稳健回归方法
- 研究问题
- 当线性回归的加性误差出现难以识别的大值时，如何构造稳健的初始系数估计，并用于证券资本资产定价模型？
- 方法与思路
- 作者把样本划分为互不重叠的子样本，分别计算普通最小二乘系数，再取系数的截尾均值，并应用于资本资产定价风险参数。
- 材料陈述的贡献
- 摘要称该初始估计简单、一致且渐近正态，能降低大误差值的影响，并展示在纽约证券交易所证券风险参数计算中的应用。
- 阅读关注点
- 应核对子样本大小、划分与截尾规则、一致性和渐近正态性的条件，以及资本资产定价应用中稳健处理带来的实际变化。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明渐近条件、截尾比例或应用结果，不能推断对所有异常值形式均稳健。
原文摘要
Estimates of the parameters of a linear model are usually obtained by the method of ordinary least-squares (OLS), which is sensitive to large values of the additive error term. By dividing the sample into nonoverlapping subsamples and computing the trimmed means of OLS subsample regression coefficients, we obtain a simple, consistent and asymptotically normal initial estimate of the coefficients, which protects the analyst from large values of ∈ i which are often hard to detect using OLS on a model with many regressors. The technique is applied to the calculation of risk parameters in the capital asset pricing model for securities on the N. Y. Stock Exchange.