Bounded-Influence Rank Regression: A One-Step Estimator Based on Wilcoxon Scores
有界影响秩回归：基于 Wilcoxon 得分的一步估计量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：文本聚焦通用稳健秩回归与影响控制，未明确分位数效应、结构估计或其他所列领域目标。
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
有界影响秩回归：基于 Wilcoxon 得分的一步估计量
- 研究问题
- 如何在秩回归中同时限制设计向量与残差异常值的影响，并避免非凸离散度准则导致的多个方程根问题？
- 方法与思路
- 作者将有界影响方法与秩回归结合，以依赖设计向量和残差的权重构造一步估计量，并预设标准化敏感度水平。
- 材料陈述的贡献
- 摘要称一步构造避免多根问题，并给出一致性与渐近多元正态性；一个示例产生与既有有界影响估计相近的结果。
- 阅读关注点
- 应核对初始估计量要求、权重与敏感度的定义，以及非凸准则二阶近似成立和渐近结果所需的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明。单个示例不能证明普遍优势，摘要也未说明有限样本稳健性边界；不能推断刊本变化。
原文摘要
The Krasker-Welsch (1982) approach to bounding influence is merged with rank regression. I propose a one-step estimator that is analogous to Bickel's (1975) one-step M estimator of Type 1 but uses weights that depend on the design vector and the residuals to reduce the influence of outliers. In fact, the standardized sensitivity of the estimator is made equal to a prechosen constant. It is based, however, on a second-derivative approximation to a dispersion surface that is not convex. This one-step variant avoids the problem of multiple roots. The estimator is shown to be consistent and asymptotically multivariate normal. An example shows that it yields results similar to those of the Krasker-Welsch estimator.