An Improved Sequential Procedure for Estimating the Regression Parameter in Regression Models with Symmetric Errors
对称误差回归模型中回归参数估计的改进序贯程序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：摘要研究一般回归模型的序贯估计与决策性能，未指定因果、面板、时间序列或其他所列细分领域的研究对象。
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
对称误差回归模型中回归参数估计的改进序贯程序
- 研究问题
- 在误差对称的回归模型中，能否构造序贯估计程序，使回归参数为零时的渐近遗憾低于已有程序？
- 方法与思路
- 作者提出回归参数的序贯估计程序，分别比较参数为零和非零时的渐近遗憾，并将正态均值研究扩展至回归及非正态情形。
- 材料陈述的贡献
- 摘要称新程序在参数为零时具有更小渐近遗憾，在非零时与参照程序相同；零参数下即使误差正态，遗憾也可能为负。
- 阅读关注点
- 应核对遗憾的损失与基准定义、停止规则和对称误差条件，并查看零参数点改进与非零参数结果各自的渐近范围。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；损失函数和停止规则未说明，负遗憾不等于负损失，也不能据此声称全面改进。
原文摘要
A sequential procedure for estimating the regression parameter $\beta \in R^k$ in a regression model with symmetric errors is proposed. This procedure is shown to have asymptotically smaller regret than the procedure analyzed by Martinsek when $\mathbf{\beta} = \mathbf{0}$, and the same asymptotic regret as that procedure when $\mathbf{\beta} \neq \mathbf{0}$. Consequently, even when the errors are normally distributed, it follows that the asymptotic regret can be negative when $\mathbf{\beta} = \mathbf{0}$. These results extend a recent work of Takada dealing with the estimation of the normal mean, to both regression and nonnormal cases.