A cautionary note on robust covariance plug-in methods
稳健协方差代入方法的注意事项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：摘要属于通用多元稳健统计，图模型与独立成分分析不足以直接归入经济网络或因子模型。
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
稳健协方差代入方法的注意事项
- 研究问题
- 将样本协方差替换为稳健散布矩阵时，哪些原有矩阵性质必须保留，才能使多元统计方法继续有效？
- 方法与思路
- 作者分别考察独立成分分析、观测回归和图模型中的稳健代入方法，并研究对称化稳健散布矩阵的作用。
- 材料陈述的贡献
- 摘要指出并非所有散布矩阵都满足代入要求，并称在所考察的三类问题中，对称化散布矩阵可产生有效程序。
- 阅读关注点
- 应核对各类分析依赖的协方差性质、对称化的精确定义，以及有效性与稳健性结论分别适用的模型条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；所需矩阵性质及有效性的具体含义未说明，不能推断刊本变化。
原文摘要
The sample covariance matrix, which is well known to be highly nonrobust, plays a central role in many classical multivariate statistical methods. A popular way of making such multivariate methods more robust is to replace the sample covariance matrix with some robust scatter matrix. The aim of this paper is to point out that multivariate methods often require that certain properties of the covariance matrix hold also for the robust scatter matrix in order for the corresponding robust plug-in method to be a valid approach, but that not all scatter matrices possess the desired properties. Plug-in methods for independent components analysis, observational regression and graphical modelling are considered in more detail. For each case, it is shown that replacing the sample covariance matrix with a symmetrized robust scatter matrix yields a valid robust multivariate procedure.