The asymptotic inadmissibility of the spatial sign covariance matrix for elliptically symmetric distributions
椭圆对称分布下空间符号协方差矩阵的渐近不可容许性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：摘要涉及椭圆分布下的散布估计与主成分效率，没有明确经济因子或金融风险研究对象，分类证据不足。
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
椭圆对称分布下空间符号协方差矩阵的渐近不可容许性
- 研究问题
- 在椭圆对称分布下，空间符号协方差矩阵相对于仿射等变散布估计量的效率如何，尤其在主成分分析关注的情形中？
- 方法与思路
- 作者比较一致性校正后的空间符号协方差矩阵与 Tyler 散布矩阵的渐近协方差，并用模拟考察相对效率的有限样本表现。
- 材料陈述的贡献
- 摘要称，空间符号协方差矩阵的渐近协方差一致更大，且效率损失在主成分分析尤其关注的情形更严重；模拟也显示损失。
- 阅读关注点
- 应核对散布矩阵的归一化与一致性校正、不可容许性的比较定义，以及主成分情形和有限样本模拟的参数范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；分布条件、比较细节和模拟数值未提供，不能外推到所有稳健协方差问题。
原文摘要
The asymptotic efficiency of the spatial sign covariance matrix relative to affine equivariant estimators of scatter is studied. In particular, the spatial sign covariance matrix is shown to be asymptotically inadmissible, i.e., the asymptotic covariance matrix of the consistency-corrected spatial sign covariance matrix is uniformly larger than that of its affine equivariant counterpart, namely Tyler’s scatter matrix. Although the spatial sign covariance matrix has often been recommended when one is interested in principal components analysis, its inefficiency is shown to be most severe in situations where principal components are of greatest interest. Simulation shows that the inefficiency of the spatial sign covariance matrix also holds for small sample sizes, and that the asymptotic relative efficiency is a good approximation to the finite-sample efficiency for relatively modest sample sizes.