GENERAL TRIMMED ESTIMATION: ROBUST APPROACH TO NONLINEAR AND LIMITED DEPENDENT VARIABLE MODELS
一般修剪估计：非线性与受限因变量模型的稳健方法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：摘要讨论通用稳健估计，受限因变量模型并不足以确定属于离散选择或其他给定细分领域。
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
一般修剪估计：非线性与受限因变量模型的稳健方法
- 研究问题
- 如何推广高崩溃点回归中的修剪思想，使稳健估计适用于更广泛的非线性和受限因变量模型，并处理相依数据？
- 方法与思路
- 作者将最小修剪平方与最大修剪似然等方法的修剪概念一般化，提出一般修剪估计，并在 β 混合条件下研究渐近性质。
- 材料陈述的贡献
- 摘要称，所提估计量具有一致性和渐近分布，拓展了稳健估计的适用范围，并展示其在非线性及受限因变量模型中的应用。
- 阅读关注点
- 应核对一般修剪准则、修剪比例的设定及总体目标的识别，检查污染稳健性与 β 混合条件如何进入渐近理论。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体崩溃点、污染容忍范围或效率损失；摘要未列出受限因变量模型的详细形式。
原文摘要
High-breakdown-point regression estimators protect against large errors and data contamination. We generalize the concept of trimming used by many of these robust estimators, such as the least trimmed squares and maximum trimmed likelihood, and propose a general trimmed estimator, which renders robust estimators applicable far beyond the standard (non)linear regression models. We derive here the consistency and asymptotic distribution of the proposed general trimmed estimator under mild β-mixing conditions and demonstrate its applicability in nonlinear regression and limited dependent variable models.