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