Semiparametrically efficient inference based on signed ranks in symmetric independent component models
对称独立成分模型中基于符号秩的半参数有效推断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：独立成分分析在此属于一般半参数推断，摘要未明确涉及宏观或金融因子模型。
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
对称独立成分模型中基于符号秩的半参数有效推断
- 研究问题
- 在潜在成分相互独立、中心化且密度未指定的模型中，如何对混合矩阵进行有效估计与检验，并保持分布稳健性？
- 方法与思路
- 作者在潜在成分对称及观测独立同分布的设定下，利用一致局部渐近正态性构造混合矩阵的符号秩检验和估计程序。
- 材料陈述的贡献
- 摘要称正确指定密度时程序达到半参数效率；在较广密度范围内仍保持渐近检验水平及根号样本量一致性，并开展模拟。
- 阅读关注点
- 应核对混合矩阵的识别与规范化、对称性和密度的具体要求，以及正确指定密度下的效率与更广范围有效性的区别。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；未列出完整密度条件与模拟结果，不能将有效性理解为对任意非对称或依赖成分均成立。
原文摘要
We consider semiparametric location-scatter models for which the p-variate observation is obtained as X = ΛZ + μ, where μ is a p-vector, Λ is a full-rank p × p matrix and the (unobserved) random p-vector Z has marginals that are centered and mutually independent but are otherwise unspecified. As in blind source separation and independent component analysis (ICA), the parameter of interest throughout the paper is Λ. On the basis of n i.i.d. copies of X, we develop, under a symmetry assumption on Z, signed-rank one-sample testing and estimation procedures for Λ. We exploit the uniform local and asymptotic normality (ULAN) of the model to define signed-rank procedures that are semiparametrically efficient under correctly specified densities. Yet, as is usual in rank-based inference, the proposed procedures remain valid (correct asymptotic size under the null, for hypothesis testing, and root-n consistency, for point estimation) under a very broad range of densities. We derive the asymptotic properties of the proposed procedures and investigate their finite-sample behavior through simulations.