FASTER UNIFORM CONVERGENCE RATES FOR DECONVOLUTION ESTIMATORS FROM REPEATED MEASUREMENTS
重复测量反卷积估计量的更快一致收敛率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：摘要讨论重复测量反卷积的通用非参数理论，未明确结构模型、分布效应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
重复测量反卷积估计量的更快一致收敛率
- 研究问题
- 对于基于重复测量的非参数反卷积估计，能否在既有假设不变时改善一致收敛率，并构造收敛更快的新估计量？
- 方法与思路
- 作者重新分析已有反卷积估计量的一致收敛率，并利用 Kotlarski 恒等式的变体提出一类新的反卷积估计量。
- 材料陈述的贡献
- 摘要称已有估计量在相同假设下可获得更快的一致收敛率；新估计量在某些情形下还能比既有估计量收敛更快。
- 阅读关注点
- 应核对重复测量及测量误差条件、恒等式变体的构造、具体速率改进来源，以及新估计量更快所对应的情形。
- 阅读边界
- 仅据所给 Crossref 版本摘要，具体假设、速率和优越情形未说明；不能推出有限样本误差必然更小或推断刊本变化。
原文摘要
Recently, Kurisu and Otsu (2022b, Econometric Theory 38(1), 172–193) derived the uniform convergence rates for the nonparametric deconvolution estimators proposed by Li and Vuong (1998, Journal of Multivariate Analysis 65(2), 139–165). This article shows that faster uniform convergence rates can be established for their estimators under the same assumptions. In addition, a new class of deconvolution estimators based on a variant of Kotlarski’s identity is also proposed. It is shown that in some cases, these new estimators can have faster uniform convergence rates than the existing estimators.