Robust estimation in the errors-in-variables model
变量含测量误差模型中的稳健估计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：摘要研究通用测量误差回归的稳健估计，未明确涉及因果识别或经济结构估计。
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
变量含测量误差模型中的稳健估计
- 研究问题
- 在解释变量和响应变量均可能含误差的模型中，如何构造稳健的正交回归估计，并估计计算所需的残差尺度？
- 方法与思路
- 作者定义正交回归的 M 估计与 S 估计，用后者稳健估计正交残差尺度，并提供计算算法及小规模 Monte Carlo 实验。
- 材料陈述的贡献
- 摘要称 M 估计在椭圆型变量误差模型下一致，并在相应损失函数有界时稳健；S 估计提供计算中的关键尺度量。
- 阅读关注点
- 应核对椭圆型模型的具体约束、一致性对象和稳健性定义，以及尺度估计、算法收敛和模拟中的污染设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供测量误差的识别条件或稳健性指标，不能推广到任意变量误差模型。
原文摘要
Orthogonal regression analogues of M estimates of regression, called here orthogonal regression M estimates, are defined. These estimates are shown to be consistent at elliptical errors-in-variables models and robust, if the corresponding loss function is bounded. The orthogonal regression analogues of regression scale estimates, called here orthogonal regression S estimates, are considered as well. In particular, they provide a robust estimate for the scale of the orthogonal residuals, a crucial quantity in the computation of orthogonal regression M estimates. Finally we present an algorithm for computing orthogonal regression S and M estimates and the results of a small Monte Carlo experiment.