Inadmissibility of Linearly Invariant Estimators in Truncated Parameter Spaces
截断参数空间中线性不变估计量的不可容许性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：摘要研究受限参数空间的统计决策，不等式约束回归未明确经济结构模型。
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
截断参数空间中线性不变估计量的不可容许性
- 研究问题
- 当实际参数空间是完整空间的真子集时，在二次损失和线性不变结构下，靠近边界取值的估计量是否仍具有可容许性？
- 方法与思路
- 作者在受限参数空间和二次损失框架下研究估计量的决策性质，证明相关估计量不可容许，并构造风险更好的替代估计。
- 材料陈述的贡献
- 摘要称发现靠近参数空间边界取值的估计量不可容许，提出改进估计量，并给出不等式约束回归及随机化回答方面的应用。
- 阅读关注点
- 应核对线性不变结构和边界邻近的精确定义、风险改进成立的参数范围，以及两个应用如何满足理论中的空间与损失要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不可容许性的具体适用条件未提供，不能泛称所有受约束或靠近边界的估计量均可改进。
原文摘要
Estimation problems are considered where the actual parameter space is a strict subset of the full parameter space. A linear invariance structure is assumed and a quadratic loss function is used. Then it is shown that estimators taking values near the boundary of the parameter space are inadmissible and better estimators are presented. Applications are given in the fields of inequality constraint regression and randomized response.