S-estimation in linear models with structured covariance matrices
结构化协方差线性模型中的S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：摘要研究多元线性和混合效应模型的一般稳健估计，未明确涉及面板计量或因果效应，临床试验示例也不足以据此分类。
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…
结构化协方差线性模型中的S估计
- 研究问题
- 如何为具有可识别结构化协方差的平衡线性模型建立统一S估计理论，并同时刻画存在性、渐近性质和稳健性？
- 方法与思路
- 作者统一处理混合效应及多种多元线性模型，给出S泛函和估计量存在的充分条件，并分析一致性、渐近正态性、崩溃点和影响函数。
- 材料陈述的贡献
- 摘要称结果适用于一般可识别协方差结构，分布条件超出椭圆密度模型，并补充或推广既有理论；另提供模拟和临床数据示例。
- 阅读关注点
- 应核对平衡设计与协方差可识别性要求、分布及损失函数条件，以及存在性、渐近理论和稳健性结论各自的适用范围。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex摘要；具体温和条件与模拟结果未说明，不能将平衡模型结论直接推广到非平衡设计。
原文摘要
We provide a unified approach to S-estimation in balanced linear models with structured covariance matrices. Of main interest are S-estimators for linear mixed effects models, but our approach also includes S-estimators in several other standard multivariate models, such as multiple regression, multivariate regression and multivariate location and scatter. We provide sufficient conditions for the existence of S-functionals and S-estimators, establish asymptotic properties such as consistency and asymptotic normality, and derive their robustness properties in terms of breakdown point and influence function. All the results are obtained for general identifiable covariance structures and are established under mild conditions on the distribution of the observations, which goes far beyond models with elliptically contoured densities. Some of our results are new and others are more general than existing ones in the literature. In this way, this manuscript completes and improves results on S-estimation in a wide variety of multivariate models. We illustrate our results by means of a simulation study and an application to data from a trial on the treatment of lead-exposed children.