Corrected Score Estimation via Complex Variable Simulation Extrapolation
通过复变量模拟外推进行校正得分估计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：摘要研究通用测量误差校正与模拟估计，未说明离散选择、因果或其他所列细分应用。
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
通过复变量模拟外推进行校正得分估计
- 研究问题
- 对于含测量误差的数据，如何用蒙特卡洛计算无偏估计方程，并刻画由这类模拟估计方程得到的估计量的渐近分布？
- 方法与思路
- 作者提出基于复变量模拟外推的蒙特卡洛方法，计算 Nakamura 意义下的校正得分，并用例子、应用与模拟进行说明。
- 材料陈述的贡献
- 摘要称获得模拟估计方程所导出估计量的渐近分布结果，并说明该方法与 Cook 和 Stefanski 的模拟方法密切相关。
- 阅读关注点
- 应核对复变量构造、测量误差分布和无偏性的适用条件，以及模拟次数如何进入渐近理论、数值实现和实际应用。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；复变量运算、误差模型与模拟预算均未说明，不能推断任意模型均可校正。
原文摘要
A Monte Carlo method of computing unbiased estimating equations for the analysis of data measured with error is described. Asymptotic distribution results are obtained for estimators derived from the Monte Carlo estimating equations. The method is illustrated with examples, applications, and simulation studies. The Monte Carlo estimating equations are corrected scores in the sense of Nakamura, and the proposed methods are closely related to the simulation method described by Cook and Stefanski.