Estimates of Parameters of a Censored Regression Sample
删失回归样本的参数估计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：摘要研究一般回归中的稳健处理与效率，未提供经济选择机制或其他所列专门方向的依据。
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
删失回归样本的参数估计
- 研究问题
- 在自变量等距取值且各取值观测数相等的线性回归中，分层或合并的缩尾与截尾处理如何影响参数估计的效率？
- 方法与思路
- 作者在基准正态误差及位置、尺度污染设定下研究缩尾和截尾，结合解析计算与 Monte Carlo 比较估计的均值、方差和效率。
- 材料陈述的贡献
- 摘要称，缩尾与截尾相较标准方法提高了效率，并分别报告分层、合并及不同污染设定下的解析或模拟分析。
- 阅读关注点
- 应核对缩尾和截尾规则、污染模型、效率比较基准与模拟设计，并厘清题名中的删失与实际处理操作的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率提高受所研究设计限制，摘要未给出幅度或适用范围，不能推广至一般删失回归或推断刊本变化。
原文摘要
Winsorization and trimming using stratified and pooled procedures are proposed for linear regression analysis. The regression model assumes an equal number of observations at each value of an equally spaced independent variable. In the null case, the error variable is normally distributed. Efficiencies of estimates are obtained analytically for the stratified procedure and by Monte Carlo methods for the pooled procedure. Means and variances of estimates are obtained analytically for the untreated sample and by Monte Carlo methods for the Winsorized and trimmed samples for both location and scalar contamination. Winsorization and trimming show increased efficiency over the standard method.