A Resampling Method Based on Pivotal Estimating Functions
基于枢轴估计函数的重抽样方法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：摘要明确以分位数回归展示重抽样推断方法，直接对应分位数方向。
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…
关注这篇论文的作者
基于枢轴估计函数的重抽样方法
- 研究问题
- 半参数模型中，有限维参数可通过估计方程求解，但方差估计涉及复杂非参数量时，如何简化参数推断与计算？
- 方法与思路
- 作者提出基于枢轴估计函数的一般重抽样程序，针对有限维参数开展推断，并用分位数回归和秩回归说明实现。
- 材料陈述的贡献
- 摘要称该程序一般且简便，在分位数与秩回归两个示例中可借助已有统计软件高效实现，但未给出具体性能数值。
- 阅读关注点
- 应核对估计函数的枢轴性质、重抽样机制及有效性条件，并检查方差和区间推断如何处理非参数干扰量。
- 阅读边界
- 摘要未说明完整渐近条件、重抽样次数或覆盖表现，不能认定适用于所有估计方程；索引摘要未注明稿件版本。
原文摘要
Suppose that, under a semiparametric model setting, one is interested in drawing inferences about a finite-dimensional parameter vector β based on an estimating function. Generally a consistent point estimator β^ for βo, the true value for β, can be easily obtained by finding a root of the corresponding estimating equation. To estimate the variance of β^, however, may involve complicated and subjective nonparametric functional estimates. In this paper, a general and simple resampling method for inferences about βO based on pivotal estimating functions is proposed. The new procedure is illustrated with the quantile and rank regression models. For both cases, our proposal can be easily and efficiently implemented with existing statistical software.