Robust Estimation in the Linear Model
线性模型中的稳健估计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：摘要属于一般稳健回归理论，未提供与所列具体应用方向直接相关的证据。
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
线性模型中的稳健估计
- 研究问题
- 在一般线性模型中，误差分布未知时，能否根据观测数据选择稳健回归估计量，并达到候选族中最高的渐近效率？
- 方法与思路
- 作者从一族 M 估计量出发，利用观测值估计每个成员的渐近效率，再选择估计效率最高的成员作为最终回归参数估计。
- 材料陈述的贡献
- 摘要称这一数据驱动程序的渐近效率，与未知误差分布下候选族中实际渐近效率最高的成员相同。
- 阅读关注点
- 应核对候选 M 估计量族、效率估计方法及选择规则，尤其关注选择步骤为何不损害效率，以及结论所需的误差和设计条件。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要。效率结论限于候选族；摘要未说明异常值机制、有限样本稳健性或刊本差异。
原文摘要
The purpose of this paper is to present robust estimates for the regression parameters in the general linear model. We start with a family of $M$-estimators, and using the observations, we estimate the asymptotic efficiency of each member in the family. Then we choose the estimate in the family with greatest estimated asymptotical efficiency. We prove that this procedure has the same asymptotical efficiency as the member of the family with the greatest asymptotical efficiency for the unknown distribution of the error.