Rank Regression
秩回归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：摘要讨论一般变换模型与秩估计，未明确对应所列的因果、面板、分布效应或其他专门方向。
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
秩回归
- 研究问题
- 在因变量经过未知严格单调变换后与解释变量线性相关的模型中，如何同时估计回归系数与变换函数，并减少对线性关系所处尺度的依赖？
- 方法与思路
- 作者以因变量自身的秩构造得分来估计回归系数，形成兼具M估计与R估计特点的方法；其使用的秩并非回归残差的秩。
- 材料陈述的贡献
- 摘要称，该方法针对线性关系尺度的不确定性提供稳健性，并研究估计量的存在性、唯一性、一致性与渐近正态性。
- 阅读关注点
- 应核对变换函数与回归系数如何识别、秩得分如何选取，以及存在性和渐近结论各需哪些条件，尤其关注尺度稳健性的准确含义。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明具体识别约束与正则条件，不能把尺度稳健性扩展为对误差分布误设的稳健性。
原文摘要
An estimation procedure for $(b, g)$ is developed for the transformation model $g(Y) = bz + \text{error, where} g$ is an unspecified strictly increasing function. The estimator for $b$ can be viewed as a hybrid between an $M$-estimator and an $R$-estimator. It differs from an $M$-estimator in that the dependent variable is replaced by a score based on ranks and from an $R$-estimator in that the ranks of dependent variable itself are used, not the ranks of the residuals. This provides robustness against the scale on which the variables are thought to be linearly related, as opposed to robustness against misspecification of the error distribution. Existence, uniqueness, consistency and asymptotic normality are studied.