Determination of Estimators with Minimum Asymptotic Covariance Matrices
最小渐近协方差矩阵估计量的确定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：摘要讨论通用估计效率理论，未提供足以归入所列具体领域的应用依据。
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
最小渐近协方差矩阵估计量的确定
- 研究问题
- 在包含光滑与非光滑极值估计、且允许非标准收敛速度的估计量类别中，如何确定具有最小渐近方差的估计量？
- 方法与思路
- 作者给出确定类内最小渐近方差估计量的充分条件，并以加权 Huber 估计和最小 Lp 估计说明其应用。
- 材料陈述的贡献
- 摘要称，该条件适用于较广泛的估计量类别，并可导出最小 Lp 估计中类似广义最小二乘的估计量，覆盖 1≤p<∞。
- 阅读关注点
- 应核对充分条件、可比较估计量类别及协方差矩阵的比较方式，尤其关注非光滑目标与非标准收敛速度如何处理。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体条件和证明未说明，不能将类内最优推广至任意估计量，也不能推断其他版本变化。
原文摘要
We give a straightforward condition sufficient for determining the minimum asymptotic variance estimator in certain classes of estimators relevant to econometrics. These classes are relatively broad, as they include extremum estimation with smooth or nonsmooth objective functions; also, the rate of convergence to the asymptotic distribution is not required to be n −½ . We present examples illustrating the content of our result. In particular, we apply our result to a class of weighted Huber estimators, and obtain, among other things, analogs of the generalized least-squares estimator for least L p -estimation, 1 ≤ p < ∞.