On Preliminary Test and Shrinkage $M$-Estimation in Linear Models
线性模型中的预检验与收缩M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：摘要研究一般线性模型中M估计的风险比较，未明确涉及因果识别、面板结构或其他所列细分方向。
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…
线性模型中的预检验与收缩M估计
- 研究问题
- 在线性模型中，当一部分参数可能冗余时，对其余参数采用经典、预检验或收缩M估计，会产生怎样的渐近风险差异？
- 方法与思路
- 作者构造通常M估计量的预检验和收缩版本，依据渐近分布风险研究相对风险效率，并比较不同参数处理方式。
- 材料陈述的贡献
- 摘要称收缩M估计可能优于经典版本，但通常并不支配预检验版本，表明不同估计策略之间的风险排序需要具体条件。
- 阅读关注点
- 应核对参数冗余的形式、预检验规则和收缩形式、风险所用损失函数，以及支配关系是否依赖维度或局部参数设定。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明具体损失、参数区域和正则条件，不能将可能支配理解为普遍优势。
原文摘要
In a general univariate linear model, $M$-estimation of a subset of parameters is considered when the complementary subset is plausibly redundant. Along with the classical versions, both the preliminary test and shrinkage versions of the usual $M$-estimators are considered and, in the light of their asymptotic distributional risks, the relative asymptotic risk-efficiency results are studied in detail. Though the shrinkage $M$-estimators may dominate their classical versions, they do not, in general, dominate the preliminary test versions.