Characterizing M-estimators
M 估计量的刻画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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要属于一般半参数 M 估计理论，虽联系预测评价，但未明确研究宏观预测、因果效应或其他给定领域的具体问题。
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…
M 估计量的刻画
- 研究问题
- 研究一般泛函的半参数模型中，如何刻画完整的 M 估计量类别，并将预测评价中的一致损失函数理论与估计理论相连接。
- 方法与思路
- 作者通过建立一致损失函数与 M 估计之间的形式化联系，刻画相应估计量类别，并讨论已有损失函数结果的理论用途。
- 材料陈述的贡献
- 摘要称，这一刻画为研究高效与等变 M 估计提供了可能，并使预测评价文献中的损失函数结果可以用于估计理论。
- 阅读关注点
- 应核对一般泛函与半参数模型的范围、一致损失的定义、完整刻画的精确条件，以及效率和等变性是已证明结果还是后续方向。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未给出定理条件与具体构造，不能据此认定已获得高效或等变估计方法。
原文摘要
We characterize the full classes of M-estimators for semiparametric models of general functionals by formally connecting the theory of consistent loss functions from forecast evaluation with the theory of M-estimation. This novel characterization result opens up the possibility for theoretical research on efficient and equivariant M-estimation and, more generally, it allows to leverage existing results on loss functions known from the literature of forecast evaluation in estimation theory.