A Simple Formula for Mixing Estimators With Different Convergence Rates
混合不同收敛速度估计量的简明公式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：摘要提出跨多种统计问题的通用估计组合方法，没有直接限定于所列经济计量细分领域。
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
混合不同收敛速度估计量的简明公式
- 研究问题
- 面对收敛更快但通常较不稳健的估计量，以及收敛较慢的替代估计量，能否构造兼顾两者性质的组合？
- 方法与思路
- 作者提出两种估计量的线性组合，并研究组合的收敛性质；应用例子涵盖回归、密度导数估计与相关数据自助推断。
- 材料陈述的贡献
- 摘要称混合估计量具有某种预言性质：条件有利时保留较快收敛速度，否则至少维持较慢估计量的一致性速度。
- 阅读关注点
- 应核对混合权重如何计算、有利条件如何界定，以及收敛结论是逐点还是一致成立，并检查推断是否同步有效。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法确认权重公式、稳健性范围与预言性质的具体条件，也不能推出普遍效率优势。
原文摘要
Suppose that two estimators, θ^S,n and θ^N,n, are available for estimating an unknown parameter θ, and are known to have convergence rates n1/2 and rn = o(n1/2), respectively, based on a sample of size n. Typically, the more efficient estimator θ^S,n is less robust than θ^N,n, and a definitive choice cannot be easily made between them under practical circumstances. We propose a simple mixture estimator, in the form of a linear combination of θ^S,n and θ^N,n, which successfully reaps the benefits of both estimators. We prove that the mixture estimator possesses a kind of oracle property so that it captures the fast n1/2 convergence rate of θ^S,n when conditions are favorable, and is at least rn-consistent otherwise. Applications of the mixture estimator are illustrated with examples drawn from different problem settings including orthogonal function regression, local polynomial regression, density derivative estimation, and bootstrap inferences for possibly dependent data.