Estimates of the Regression Coefficient Based on Kendall's Tau
基于 Kendall 秩相关系数的回归系数估计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：摘要研究一般回归斜率的秩方法与稳健推断，没有给出因果、面板、宏观或金融方向的直接证据。
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
基于 Kendall 秩相关系数的回归系数估计
- 研究问题
- 面对粗大误差和总体非正态性，如何利用 Kendall 秩相关系数构造回归斜率的稳健点估计与置信区间？
- 方法与思路
- 作者研究以成对观测连线斜率的中位数作为点估计，并用这些斜率的两个次序统计量确定置信区间的方法。
- 材料陈述的贡献
- 摘要称该点估计无偏，并研究点估计与区间估计的性质，将其与最小二乘及其他非参数估计方法比较。
- 阅读关注点
- 应核对无偏性和区间覆盖率成立的条件、异常值下的稳健性定义，以及与其他估计量比较所采用的标准。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；斜率条件中的下标疑有转录错误，需查原 PDF，无偏性条件也未说明。
原文摘要
The least squares estimator of a regression coefficient β is vulnerable to gross errors and the associated confidence interval is, in addition, sensitive to non-normality of the parent distribution. In this paper, a simple and robust (point as well as interval) estimator of β based on Kendall's [6] rank correlation tau is studied. The point estimator is the median of the set of slopes (Yj - Yi )/(tj-ti ) joining pairs of points with ti ≠ ti , and is unbiased. The confidence interval is also determined by two order statistics of this set of slopes. Various properties of these estimators are studied and compared with those of the least squares and some other nonparametric estimators.