A robust analysis of the general linear model based on one step R -estimates
基于一步 R 估计的一般线性模型稳健分析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：摘要讨论一般线性模型的秩估计与稳健计算，没有明确面板、因果或结构估计等细分对象。
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…
基于一步 R 估计的一般线性模型稳健分析
- 研究问题
- 如何降低基于秩的线性模型稳健分析的计算负担，使较大数据集能够获得与最小离散度分析相近的推断？
- 方法与思路
- 作者利用离散度曲面的二阶导数近似，从初始估计出发进行一步迭代，以避免直接完成较昂贵的最小化计算。
- 材料陈述的贡献
- 摘要称一步估计可快速获得，且由此进行的分析与最小离散度分析渐近等价，因此作者建议用于较大数据集。
- 阅读关注点
- 应核对初始估计要求、二阶近似的构造、渐近等价所指的分析对象，以及计算速度和稳健性的评估方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法确认具体污染情形下的表现；渐近等价也不保证有限样本结果完全一致。
原文摘要
Classical analysis of variance with least squares fitting is often used to discern structure in a linear model. McKean & Hettmansperger (1976) proposed a robust analysis based on ranks using the R-estimates proposed by Jaeckel (1972). These rank procedures depend on minimizing a dispersion surface and as a result are computationally restricted to small to moderate sized sets. In this paper we propose one step iterations based on a second derivative approximation to the surface. These estimates can be obtained quickly from initial estimates. Further the analysis resulting from these estimates is asymptotically equivalent to the minimum dispersion analysis. Thus it can be recommended for large data sets.