连续模型下的最小 S-散度估计量：Basu-Lindsay 方法
统计理论
2016-07-04 v2 应用统计
统计方法学
统计理论
摘要
基于统计散度最小化的稳健推断已被证明是经典最大似然技术的有用替代方案。Ghosh 等人 (2013) 最近提出了一类用于稳健统计推断的通用散度度量，命名为 S-散度族 (S-Divergence Family)。Ghosh (2014) 讨论了其在离散密度模型下的渐近性质。在本文中，我们发展了所提出的最小 S-散度估计量在连续模型下的渐近性质。此处我们采用 Basu-Lindsay 方法 (1994) 对模型密度进行平滑处理，与以往方法不同，该方法避免了许多核带宽选择的复杂性。我们通过广泛的模拟研究和真实数据示例，展示了所得估计量在效率和稳健性方面的性能。
引用
@article{arxiv.1408.1239,
title = {The Minimum S-Divergence Estimator under Continuous Models: The Basu-Lindsay Approach},
author = {Abhik Ghosh and Ayanendranath Basu},
journal= {arXiv preprint arXiv:1408.1239},
year = {2016}
}
备注
Pre-Print, 34 pages