High-order asymptotic expansions for robust tests
稳健检验的高阶渐近展开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：摘要涉及通用稳健检验和线性回归高阶理论，未提供特定领域细分的直接证据。
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
稳健检验的高阶渐近展开
- 研究问题
- 如何改善稳健 M 比率与有符号根 M 比率检验的一阶近似，使显著性概率或临界值在有限样本中获得更准确的计算？
- 方法与思路
- 作者推导高阶展开，用于 Edgeworth、Bartlett、方差修正和鞍点近似，并在线性回归的 Huber M 估计下给出具体结果。
- 材料陈述的贡献
- 摘要称所得展开支持更准确的显著性或临界值近似，并用蒙特卡洛研究展示相对通常一阶近似的数值准确性。
- 阅读关注点
- 应核对各近似所需的光滑性与矩条件、Huber 估计的调参方式，以及模拟比较的检验尺寸、样本量和误差分布。
- 阅读边界
- 仅依据版本未注明的索引摘要，无法判断各修正的误差阶或适用范围；摘要未给出改善幅度与具体模拟结果。
原文摘要
This paper provides high‐order asymptotic expansions for the M‐ratio and the signed‐root M‐ratio robust test statistics, which allow one to compute accurate approximations to significance or critical values using the Edgeworth approximation, the Bartlett correction, the variance correction or the saddlepoint approximation. Specific results are obtained for the linear regression model with the Huber M‐estimator. A Monte Carlo study illustrates the numerical accuracy of these approximations, with respect to the usual first‐order approximations.