奥拉·Hössjer 高崩溃点线性模型中基于秩的估计。 (英语) Zbl 0795.62062号 美国统计协会。 89,第425号,149-158(1994)。 小结:线性模型中的估计量是通过最小化目标函数来定义的,目标函数的导数是有符号秩统计量。分数由函数\(h^+:(0,1)\至[0,\infty)\生成,如通常假设的那样,该函数不一定是非递减的。结果表明,可以选择最大分解点为.5的估计量。此外,在各种正则性条件下,证明了该估计的强相合性和渐近正态性(具有收敛速度(n^{-1/2}))。由于目标函数在回归参数中通常不是凸的,因此通常的渐近正态性证明是不成立的。相反,证明基于渐近线性结果,类似于P.J.Huber先生[第五届伯克利交响乐团数学统计年报,加利福尼亚大学,1965/1966,1,221-233(1967)],用于(M)估计,以及符号秩统计的一些矩估计。数值例子说明了估计器的行为。 引用于24文件 MSC公司: 62J05型 线性回归;混合模型 10层62层 点估计 62层35 鲁棒性和自适应程序(参数推断) 关键词:精确拟合特性;稳健估计;修剪残差;线性模型;最小化目标函数;有符号秩统计;最大击穿点;强一致性;渐近正态性;正则性条件;渐近线性;\(M\)-估计 引文:兹伯利0212.215 PDF格式BibTeX公司 XML格式引用 \textit{O.Hössjer},《美国统计协会期刊》第89卷,第425、149至158号(1994年;Zbl 0795.62062) 全文: 内政部 链接