Bounded Influence Estimation in the Mixed Linear Model
混合线性模型中的有界影响估计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：混合线性模型不必然对应面板数据，摘要未提供所列细分方向所需的观测结构或应用背景。
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
混合线性模型中的有界影响估计
- 研究问题
- 如何将回归模型中的有界影响估计推广到混合线性模型，使估计过程对异常观测的影响受到限制并具有可分析的性质？
- 方法与思路
- 作者扩展 Mallows 与 Schweppe 的有界影响定义，在最大似然和限制最大似然估计方程中加入适当权重函数。
- 材料陈述的贡献
- 摘要称获得新估计量的渐近性质，并通过人工数据与小规模模拟考察它们在中等样本量下的若干表现。
- 阅读关注点
- 应核对权重如何作用于混合模型各部分、有界影响针对何种扰动，以及渐近理论使用的样本增长方式和正则条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；渐近性质的具体形式、污染设定和模拟结果未提供，人工数据示例不足以判断实际应用表现。
原文摘要
Bounded influence estimation (also known as generalized M or GM estimation) in the regression model is reviewed. The definitions of bounded influence estimation proposed by Mallows and Schweppe are then extended to the mixed linear model. This is achieved by applying appropriate weight functions to maximum likelihood and restricted maximum likelihood estimating equations. The asymptotic properties of the new estimators are obtained, and the estimators are applied to an artificial dataset. The article concludes with an extension of the example into a small simulation study designed to test some properties of the estimators in samples of moderate size.