A Bias-reduced Estimator for the Mean of a Heavy-tailed Distribution with an Infinite Second Moment
我们使用偏置减少估计的高分位数，重尾分布，介绍了一个新的估计的情况下，无限的二阶矩。在模拟研究中，通过四种最流行的适合不同样本量的拟合优度检验，建立并检查了所提出的估计量的渐近正态性。此外，我们比较，在偏差和均方误差，我们的估计与彭的估计（彭，2001年），我们评估的准确性，一些得到的置信区间。
2012-01-10 math.ST stat.CO stat.ME
Bias-reduced estimators of the Weibull tail-coefficient
本文研究了Weibull尾系数的估计问题。特别是，我们提出了一个回归模型，从中我们得到一个偏差减少估计。该估计器基于最小二乘方法。并证明了该估计量的渐近正态性。一个小的模拟研究，以证明其效率。
2011-03-31 math.ST stat.TH
Bias Reduction of Long Memory Parameter Estimators via the Pre-filtered Sieve Bootstrap
本文研究了分数积分过程中长记忆参数半参数估计的基于Bootstrap的偏差校正。重采样方法涉及应用筛选引导数据预过滤的初步半参数估计的长记忆参数。理论上证明了使用自举技术的偏差调整对数周期图和半参数的记忆参数的局部Whittle估计。模拟证据比较分析偏差校正技术的自举偏差校正的性能。自举方法产生显着的偏差减少，特别是当应用到估计的分析调整已经被使用。对于相当大的样本量，基于偏倚调整估计量的置信区间的经验覆盖率非常接近标称值，比可比的分析调整估计量更接近标称值。当使用自举法进行偏差校正而不是分析调整时，推断的精度（以区间长度衡量）也更高。
2014-02-27 stat.CO stat.ME
Finite-Sample Bias Correction for Plug-in Estimators of Extropy, Rényi Extropy, and Tsallis Extropy
LERSTAD, Gaston Berger University（勒斯塔德，加斯顿·贝格尔大学）
本文针对有限支撑离散随机变量的三类外熵插件估计器推导一阶偏差公式，提出偏差校正方法，经模拟验证其有限样本性能更优，支持渐近场景中使用未校正插件估计器。
2026-08-19 math.ST stat.ME stat.TH
Bias Reduction for nonparametric Estimators applied to functional Data Analysis
本文提出了一种用于函数数据分析的偏差校正非参数估计器，通过改进结构减少偏差阶数，同时保持方差阶数，并证明其渐近正态性。
2025-11-20 math.ST stat.TH
Confidence intervals for intentionally biased estimators
本文提出三种以故意偏倚估计量为中心的置信区间，通过利用无偏估计量的标准误或凸组合策略，在保证高覆盖概率的同时有效缩短区间长度，且计算简单、适用广泛。
2025-02-01 econ.EM math.ST stat.ME
Bias corrected minimum distance estimator for short and long memory processes
本文提出了一种新的短记忆和长记忆模型参数的最小距离估计（MDE）。这种偏差校正最小距离估计器（BCMDE）考虑了通常MDE中的校正，以在均值未知时解释样本自相关函数的偏差。证明了一般分数自回归滑动平均（ARFIMA（p，d，q））模型BCMDE的弱相合性，并在某些特殊情况下得到了BCMDE的渐近分布.仿真研究表明，BCMDE提出了一个良好的性能相比，在文献中常用的其他程序，如极大似然估计，Whittle估计和MDE。结果还表明，BCMDE提出，在一般情况下，最小的均方误差，是更少的偏见比MDE时，平均值是一个非平凡的时间函数。
2018-09-19 stat.ME
Bias-Reduced GEE via Adjusted Estimating Equations, with Odds-Ratio Extensions
University of Brighton（布莱顿大学）
针对小样本相关数据，提出一类通过调整估计方程实现一阶偏倚减少的广义估计方程（GEE）估计量，包括六种偏倚减少和校正估计量，并扩展至优势比参数化，适用于二元相关数据。
2026-06-16 stat.ME
A Reduced-Bias Weighted least square estimation of the Extreme Value Index
在本文中，我们提出了一个减少偏差估计的EVI的Pareto型尾（重尾）分布。这是使用加权最小二乘法得出的。证明了该估计在二阶条件下是无偏的、相合的和渐近正态的。有限样本性质的估计进行了研究，通过模拟研究。结果表明，该方法在偏差和均方误差方面都优于已有的极值指数估计。此外，它产生估计的$γ>0$，是不太敏感的顶部-顺序统计量的数量，因此，可以用于选择一个最佳的尾部分数。建议的估计进一步说明使用实际的数据集从土壤化学和保险。
2022-04-10 math.ST stat.AP stat.ME
Asymptotically Optimal Bias Reduction for Parametric Models
统计分析中的一个重要挑战是控制估计量的有限样本偏差。在变量数$p$随样本量$n$发散的高维设置中，以及对于非线性模型和/或具有离散数据的模型，该问题被放大。对于这些复杂的设置，我们建议使用一个通用的模拟为基础的方法，并表明所得到的估计有一个偏差的顺序$\mathcal{O}(0)$，从而提供了一个渐进的最佳偏差减少。它是基于一个初始估计，可以稍微渐近偏置，使该方法非常普遍适用。这是特别相关的经典估计，如最大似然估计，只能（数字）近似。我们证明了Kuk（1995）的迭代自举法提供了一种计算效率高的方法来计算这种偏差降低的估计量。我们说明了我们的理论结果在模拟研究中，我们开发了新的偏差减少估计的逻辑斯谛回归，有和没有随机效应。这些估计享有额外的属性，如数据污染和可分性问题的鲁棒性。
2020-02-19 math.ST stat.CO stat.ME
Bias corrected estimators for proportion of true null hypotheses under exponential model: Application of adaptive FDR-controlling in segmented failure data
针对指数分布的随机观测数据，对多假设检验情形下的真零假设比例（$π_0$）的两个基于模型的偏差校正估计进行了重构.基于随机序，给出了$π_0$的一些相关估计公式背后的新动机。减少基于模型的估计的偏差的理论证明和算法计算的估计也提出。估计器也被用来制定一个流行的自适应多重测试程序。广泛的数值研究支持的偏差校正估计的优越性。我们还指出了使用基于模型的偏差校正方法的不利影响，而没有适当的评估的基础分布。一个案例研究是用一个合成数据集与可靠性和保修研究，以证明该程序的适用性，根据非高斯设置。所得到的结果与学科专家的直觉和经验相一致。最后，作者对全文进行了总结，并对今后的研究方向进行了展望。
2020-07-26 math.ST stat.TH
Optimal Bias Correction of the Log-periodogram Estimator of the Fractional Parameter: A Jackknife Approach
利用刀切法对平稳分数积分模型中分数参数的对数周期图回归估计进行了有偏校正。折刀估计量的权重是以这样一种方式选择的，即在不增加渐近方差的情况下实现偏差减小，在这个意义上，估计量被视为“最佳”。理论结果在非重叠和移动块子采样方案下都是有效的，可以用于刀切技术，并且不需要对数据生成过程进行高斯性假设。蒙特卡罗研究探讨了有限样本性能的不同版本的刀切估计，在各种情况下。仿真实验表明，当使用真实数据生成过程的参数值构造权重时，最优刀切估计的版本几乎总是优于替代的半参数偏差校正估计。一个可行的版本的刀切估计，其中的权重是使用未知参数的估计，而不是占主导地位的整体，仍然是最小的偏差估计在某些情况下。即使当错误指定的短期动态的建设中的权重，可行的刀切仍然显示出显着减少在某些设计下的偏差。毫不奇怪，当短记忆参数的真实值已知时，参数极大似然估计优于所有半参数方法，但是当需要估计短记忆参数时，特别是当模型被错误指定时，由半参数方法主导（就偏差而言）。
2020-04-04 stat.ME
Asymptotic theory and first-order bias of the Wallace--Freeman estimator
Monash University（莫纳什大学）
本文研究Wallace-Freeman估计量的渐近性质，将其作为加权M估计量进行分析，推导其一致性、渐近线性及正态性，并提出基于惩罚项梯度的偏差校正方法，扩展了Cox-Snell公式至该估计量。
2026-07-07 math.ST stat.ME stat.TH
Bias Correction of Semiparametric Long Memory Parameter Estimators via the Pre-filtered Sieve Bootstrap
研究了分数积分过程中长记忆参数$d$半参数估计的基于Bootstrap的偏差校正问题。重采样方法涉及应用筛选引导数据预过滤的初步半参数估计的长记忆参数。理论上的理由，使用引导技术的偏差调整日志周期图和半参数的本地Whittle估计的记忆参数的情况下，$d$的真实值位于范围$0\leq d<0.5$。还证明了自助法提供了具有正确渐近覆盖率的置信区间，通过自助法估计，所示的区间可明确调整偏倚。模拟证据比较分析偏置校正技术的自举偏差校正的性能。自举方法产生显着的偏差减少，特别是当应用到估计的偏差减少已经完成了一定程度的分析手段。
2016-03-06 stat.CO stat.ME
Bias-reduced extreme quantiles estimators of Weibull-tail distributions
本文考虑威布尔尾分布的极值分位数的估计问题。新的极端分位数估计有一个减少的偏见相比，更经典的文献中提出的。它基于Diebolt等人（2008年）引入的指数回归模型。建立了极值分位数估计的渐近正态性。我们还介绍了一个自适应选择过程，以确定要使用的上顺序统计量的数量。为了证明上述方法的有效性，提供了一个模拟研究以及应用到一个真实的数据集。
2011-03-31 stat.ME
Improved estimators in beta prime regression models
本文研究了最近由\cite{bour18}提出的β素数回归模型，该模型适用于响应连续且仅限于正实数且具有偏尾和长尾的情形，且回归结构包含回归变量和未知参数.我们考虑两种不同的策略的偏差校正的最大似然估计的参数，指数模型。特别是，我们讨论了模型的均值和离散参数的偏差校正估计。此外，作为替代的两个分析偏差校正估计讨论，我们考虑的偏差校正机制的基础上的参数自助。数值结果表明，偏差校正方案产生接近无偏估计。给出了一个实际数据的例子并进行了讨论。
2020-08-26 stat.ME
A bias-adjusted estimator in quantile regression for clustered data
该手稿讨论了如何将随机效应纳入聚类数据的分位数回归模型，重点是具有许多但较小聚类的设置。本文有三个贡献：（i）证明现有方法可能导致固定效应参数的严重偏倚估计;（ii）提出一种新的两步估计方法，其中首先通过伪似然方法计算随机效应的预测（LQMM方法）}，然后用作标准分位数回归中的偏移;（iii）提出了一种新的Bootstrap抽样方法，以减小两步估计量的偏差并计算置信区间。建议的估计和相关的推理进行了评估，通过严格的模拟研究和应用到艾滋病临床试验组（ACTG）的研究。
2022-02-23 stat.ME
Network Structure and Biased Variance Estimation in Respondent Driven Sampling
本文探讨了被访者驱动抽样（RDS）中抽样方差估计的偏差问题。以前的RDS方法学工作集中在其有问题的假设和偏差和效率低下的人口平均估计。尽管如此，研究人员只给予轻微的关注，估计抽样方差RDS的主题，尽管方差估计的重要性，置信区间和假设检验的建设。在本文中，我们表明，RDS抽样方差的估计依赖于一个关键的假设，即网络是一阶马尔可夫（FOM）的因变量的利益。我们证明，通过直观的例子，数学概括，和计算实验，目前的RDS方差估计将总是低估RDS在不符合FOM假设的经验网络的人口抽样方差。对Facebook和Add Health的215个大学和学校网络的分析表明，我们分析的每个经验网络都违反了FOM假设，这些违反行为导致了抽样方差的RDS估计值存在很大偏差。我们提出并测试了两种替代方差估计，显示出一定的承诺，减少偏见，但也说明了估计抽样方差的限制，只有部分信息的底层人口社会网络。
2015-12-04 cs.SI stat.AP stat.ME
Bayes and Biased Estimators Without Hyper-parameter Estimation: Comparable Performance to the Empirical-Bayes-Based Regularized Estimator
KTH Royal Institute of Technology（瑞典皇家理工学院）；Competence Centre for Advanced BioProduction by Continuous Processing, AdBIOPRO（连续加工先进生物生产能力中心（AdBIOPRO））
本文针对岭回归中经验 Bayes 正则化估计依赖超参数估计的问题，利用大样本超额 MSE 构造无需调参的广义 Bayes 与闭式有偏估计量，实现相当性能且更高计算效率。
2025-03-14 cs.LG cs.SY eess.SY
The strong representation for the nonparametric estimation of length-biased and right-censored data
本文考虑了当观测值服从长度有偏右删失数据时，Huang & Qin（2011）提出的分布函数的一个有用的乘积限估计.该估计量保持了截断乘积限估计量的简单封闭形式，并具有良好的性质。得到了该估计量的一个几乎必然表示，它可以用来导出基于乘积限估计量的函数统计量的许多性质。表示中余数的速率为$O(n^{-3/4}(\log(n)^{3/4}) $ a.s.阶。
2017-08-02 math.ST stat.TH
Biased-sample empirical likelihood weighting: an alternative to inverse probability weighting
逆概率加权（IPW）被广泛应用于许多领域，当数据受到不代表性，缺失，或选择偏见。使用IPW的一个不可避免的挑战是，如果某些概率非常接近于零，则IPW估计量可能非常不稳定。为了克服这个问题，在文献中已经开发了至少三种补救措施：稳定化、阈值化和修整。然而，最终的估计量仍然是IPW型估计量，并且不可避免地继承了朴素IPW估计量的某些弱点：它们仍然可能是不稳定的或有偏的。我们提出了一个偏置样本的经验似然加权（ELW）的方法，作为IPW服务相同的一般目的，同时完全克服了IPW型估计的不稳定性，通过规避使用逆概率。ELW权重总是定义良好且易于实现。从理论上证明了ELW估计是渐近正态的，并且对于缺失数据问题和不等概率抽样问题，它比IPW估计及其稳定化版本更有效。在有替换的不等概率抽样下也建立了它的渐近正态性。我们的模拟结果和一个真实的数据分析表明，ELW估计是平移等变的，几乎无偏的，通常优于IPW型估计的均方误差。
2021-11-25 stat.ME
High-dimensional Simultaneous Inference on Non-Gaussian VAR Model via De-biased Estimator
高维非高斯时间序列的同时推理一直被认为是一个具有挑战性的问题。这类任务不仅要求对随机过程中的系数进行稳健估计，而且要求导出因变量之和的极限分布。本文提出了一种乘子自举方法来同时推断高维非高斯向量自回归（VAR）模型中的转移系数。这种引导辅助过程允许时间序列的维度在观测数量上以指数方式快速增长。作为一个检验统计量，构造了一个用于同时推断的去偏估计量。与传统的去偏/去稀疏化Lasso估计器不同，鲁棒凸损失函数和归一化权重函数被用来避免分布尾部的任何不利行为。我们发展了VAR模型的高斯近似理论，得到了去偏估计的渐近分布，并提出了一个乘子自举辅助的方法，在非常温和的矩条件下得到了新息的临界值。作为各种估计的收敛性分析的重要工具，我们建立了有界VAR模型的Bernstein型概率集中不等式。数值实验验证了所提方法的有效性。
2021-11-02 stat.ME
Strong uniform consistency of nonparametric estimation for quantile-based entropy function under length-biased sampling
本文研究长度偏差抽样下基于分位数的 Shannon 熵的非参数估计，证明两种估计量的强一致相合性，并通过模拟和真实数据验证其有效性。
2025-09-19 stat.ME
Improved estimators for dispersion models with dispersion covariates
在本文中，我们讨论了改进的估计的回归和离散参数的扩散模型（Jørgensen，1996）的扩展类。这个类通过让色散参数在整个观测中变化来扩展规则色散模型，并包含色散模型作为特殊情况。在具有色散协变量的色散模型中，显式地得到了二阶偏差的一般公式，该公式推广了Botter和Cordeiro（1998），Cordeiro和McCullagh（1991），Cordeiro和Vasconcellos（1999）和Paula（1992）的先前结果。这些公式的实际应用是，当信息矩阵为封闭形式时，我们可以导出回归和离差参数的极大似然估计的二阶偏差的封闭形式表达式。对于特殊的模型，给出了二阶偏差的各种表达式。这些公式对于数值目的具有优势，因为它们仅需要补充加权线性回归。我们还比较了这些偏差校正估计与两个不同的估计，这也是无偏的二阶，是基于自助方法。这些估计量进行了比较，通过模拟。
2010-01-13 math.ST stat.ME stat.TH
Correction of estimator bias in linear regression with categorical covariates with classification error
本文针对分类协变量存在分类误差的线性回归，提出基于最小二乘估计量及概率信息的渐近校正方法，模拟显示校正截距可显著提升估计性能。
2025-07-09 stat.ME
Bias, variance, and confidence intervals for efficiency estimators in particle physics experiments
本文研究粒子物理实验中效率估计的偏差、方差和置信区间，针对泊松试验次数、加权样本及超泊松方差等特殊条件，提出广义Wilson区间并分析其覆盖率。
2022-07-27 astro-ph.HE hep-ex physics.data-an
On comparison of estimators for proportional error nonlinear regression models in the limit of small measurement error
本文比较了比例误差非线性回归模型的极大似然（ML）、拟似然（QL）和加权最小二乘（WLS）估计。热释光沉积测年的文献揭示了另一种类似于加权最小二乘法的估计，但观察到的反应用作权重。我们称之为数据加权最小二乘（DWLS）的估计量也包含在比较中。我们发现，在顺序$σ, $所有四个估计的行为类似于普通的最小二乘估计标准的线性回归模型。在$σ^2, $的阶上，估计量有偏差。在小的测量误差的限制下是有效的公式推导出的偏差和方差的四个估计。最大似然估计比拟似然估计具有更小的偏差。条件下，加权最小二乘和最大似然估计有类似的偏差。在$σ^ {2} $阶上，所有估计量具有相似的标准误差。在高阶$σ$上，当随机误差的前四阶矩与正态分布相同时，极大似然估计比拟似然估计具有更小的方差.最大似然和拟似然估计方程是无偏的。在大样本下，这两个估计量服从多元正态分布。加权最小二乘和数据加权最小二乘的估计方程是有偏的。然而，在$σ\to 0$和$n \to \infty, $的极限下，如果$ n^ {1/2} σ$保持有界，则这两个估计量也服从多元正态分布。模拟研究证明了适用性的推导公式中存在的测量误差典型的沉积数据。结果表明，从热释光沉积测年的数据集。
2019-11-21 math.ST stat.TH
Improved estimation in a general multivariate elliptical model
考虑了一般多元椭圆回归模型中最大似然估计的减偏问题。该模型是非常灵活的，并允许均值向量和色散矩阵有共同的参数。许多常用的模型是这个一般公式的特例，即：变量误差模型，非线性混合效应模型，异方差非线性模型，等等。在任何这些模型中，误差向量都可以具有任何多元椭圆分布。我们得到了最大似然估计的二阶偏差，偏差校正估计和偏差减少估计。仿真结果表明了该方法的有效性。
2016-01-29 math.ST stat.TH
Penalized bias reduction in extreme value estimation for censored Pareto-type data, and long-tailed insurance applications
重尾分布随机截尾数据的尾估计问题受到越来越多的关注，例如在精算统计中的应用。极值指数的可用估计量的偏差可能很大，并强烈依赖于删失量。我们回顾了现有的估计，提出了一个新的偏差减少估计，并显示如何收缩估计可以帮助保持控制下的MSE。提出了一种构造置信区间的Bootstrap算法。我们比较这些新的建议与现有的估计，通过模拟。最后，我们对长尾汽车保险投资组合进行了详细的研究，该投资组合通常具有很强的删失。
2017-05-18 stat.ME
Estimation of Integrated Volatility Functionals with Kernel Spot Volatility Estimators
本文针对多维伊藤半鞅的积分波动率泛函估计问题，提出采用通用核瞬时波动率估计量的插件式估计方法，建立相关中心极限定理，证明其能显著降低偏差且对带宽选择具有稳健性。
2025-09-08 econ.EM math.ST stat.TH
Novel closed-form point estimators for a weighted exponential family derived from likelihood equations
本文提出加权指数族的闭式点估计，并用自助法降低偏差，蒙特卡罗模拟验证其有效性。
2024-05-25 stat.ME
Improved estimators for a general class of beta regression models
在本文中，我们考虑了由Ferrari和Cribari-Neto（2004）提出的beta回归模型的扩展。我们以两种不同的方式扩展了他们的模型，首先，我们让回归结构是非线性的，其次，我们允许精度参数的回归结构，而且，这个回归结构也可以是非线性的。一般来说，Beta回归适用于响应限于标准单位区间且回归结构涉及回归变量和未知参数的情况。我们推导出极大似然估计的二阶偏差的一般公式，并利用它们来定义偏差校正估计。我们的公式推广了Ospina等人（2006）的结果，并易于通过补充加权线性回归实现。我们还比较了这些偏差校正估计与三种不同的估计，这也是无偏的二阶，一个分析和其他两个基于自助方法。这些估计量进行了比较，通过模拟。我们提出了一个经验的应用。
2008-09-10 stat.CO stat.ME
Focused median bias reduction
University of Padova（帕多瓦大学）；University of Warwick（华威大学）
提出一种显式聚焦中位数偏差校正估计方法，基于Cornish-Fisher展开求解方程，实现三阶中位数无偏，计算高效且易于应用。
2026-10-09 math.ST stat.ME stat.TH
Global Bias-Corrected Divide-and-Conquer by Quantile-Matched Composite for General Nonparametric Regressions
偏差校正和鲁棒性问题是分而治之（DC）策略中的关键问题，特别是对于具有海量数据的非对称非参数模型。基于分位数的方法具有较强的稳健性，但当误差分布不对称时，非参数回归的分位数估计存在不可消除的偏差。本文研究了一般误差分布下非参数回归模型的分位数匹配合成全局偏差校正DC。所提出的策略可以同时实现偏差校正和鲁棒性。与通常的DC分位数估计不同，新方法在不同的分位数水平上对不同的数据批次得到局部估计量，然后将全局估计量精心构造为局部估计量的加权和.在加权和中，权重和分位数水平很好地匹配，使得全局估计器的偏差得到显著校正，特别是对于误差分布不对称的情况。基于全局估计量的渐近性质，得到了最优权值，并给出了相应的算法。通过模拟实验和真实数据分析的各种数值例子进一步说明了新方法的行为。与同类方法相比，新方法具有估计精度高、鲁棒性好、适用性强和计算效率高等优点。
2022-01-29 math.ST stat.ME stat.TH
Improved Estimator of the Conditional Tail Expectation in the case of heavy-tailed losses
在本文中，我们研究了极值方法，提出了一个改进的估计的条件尾期望（$CTE$）的损失分布具有有限的均值，但无限的方差。本文基于重尾分布高分位数的偏差缩减估计，提出了一种新的$CTE$估计。在模拟研究中，建立并检验了所提出的估计量的渐近正态性。此外，我们比较，在偏差和均方误差，我们的估计与已知的旧估计。
2020-02-09 math.ST stat.TH
Bias-Corrected Estimators for Joint Entropy, Conditional Entropy, and Mutual Information in the Discrete Bivariate Case: Theory and an Application to Motor Insurance
Gaston Berger University（加斯顿贝格尔大学）；LERSTAD
本文针对离散双变量情形下的联合熵、条件熵和互信息，提出偏差校正估计量，推导其一阶偏差公式，并证明校正与未校正版本渐近等价，通过模拟和汽车保险应用验证了改进效果。
2026-10-05 math.ST stat.TH
An accurate percentile method for parametric inference based on asymptotically biased estimators
针对参数推断中估计量可能渐近有偏的问题，提出隐式自举法，构建渐近有效且可达二阶精度的百分位置信区间，并在标准自举失效的三种情形下保持精确。
2024-09-19 math.ST stat.CO stat.ME
Just Identified Indirect Inference Estimator: Accurate Inference through Bias Correction
针对现代大数据与复杂模型下的估计偏差控制难题，提出基于JINI的参数模型估计推断方法，兼具构造简便性与强偏差校正能力，在高维及数据存在缺陷的场景下性能优异，且有完备理论支撑。
2023-10-09 math.ST stat.CO stat.ME
Improved estimation in cumulative link models
对于有序数据的累积链模型的估计，得到了\citet{firth:93}中的偏差减小的调整得分方程，其解保证了估计量比极大似然估计量具有更小的渐近偏差.它们的形式表明多项式计数的参数依赖性调整，这反过来又表明通过迭代极大似然拟合调整后的计数来解决调整后的评分方程，极大地促进了实施。像极大似然估计，减少偏差估计被发现尊重的不变性属性，使累积链接模型的分类数据的分析的一个很好的选择。它的额外的有限性和最优频率论属性，以及相关的渐近推理过程的适当行为，使减少偏差估计有吸引力的默认选择，为实际应用。此外，建议的估计享有一定的收缩性能，从实验的角度来看，有序数据的性质是站得住脚的。
2013-01-28 stat.CO stat.ME
Bias-Aware Inference in Regularized Regression Models
University of Southern California（南加州大学）；Princeton University（普林斯顿大学）；Brown University（布朗大学）
本文研究控制系数受约束时标量回归系数的推断问题，提出基于正则化倾向得分回归的偏差感知估计量和置信区间，证明其在有限样本中近最优，并给出高维渐近下的最优收敛速率。
2026-10-22 econ.EM stat.ME
Estimation in a simple linear regression model with measurement error
本文讨论了简单线性回归模型中斜率参数的估计问题，其中自变量具有函数测量误差。众所周知，自变量的测量误差会导致普通最小二乘估计量的偏倚。在有限样本情形下，给出了一种减小偏差的一般方法，并给出了一些精确的减小偏差的估计量。此外，它表明，某些截断程序改善了普通最小二乘和偏差减少估计的均方误差。
2018-04-09 math.ST stat.TH
Correction for Weak IV Bias and Winner's Curse in Mendelian Randomization Egger Regression: Rerandomized Egger estimator
Huazhong University of Science and Technology（华中科技大学）；Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院）
针对孟德尔随机化中Egger回归的弱工具变量偏倚和赢家诅咒问题，提出重随机化Egger估计量，通过去偏和随机工具选择实现一致性、渐近正态性及对方向性多效性的稳健性。
2026-06-23 stat.ME
On Finite Time Span Estimators of Parameters for Ornstein-Uhlenbeck Processes
本文研究有限时间下Ornstein-Uhlenbeck过程参数最大似然估计的偏差与均方误差，通过似然比和测度变换推导表达式，并数值分析均值回归速度估计的性能。
2025-03-31 math.ST stat.TH
Learning to Estimate Without Bias
The Hebrew University of Jerusalem（希伯来大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本文提出偏置约束估计器（BCE），通过在深度学习损失函数中加入偏置约束，在非线性场景下实现渐近最小方差无偏估计，并验证其在信噪比估计、协方差估计及多估计平均应用中的有效性。
2023-11-29 cs.LG stat.ML
Average Density Estimators: Efficiency and Bootstrap Consistency
本文强调了半参数效率和自举一致性之间的紧张局势的背景下，一个典型的半参数估计问题，即估计的平均密度的问题。结果表明，虽然简单的插件估计遭受偏见的问题，防止他们在最小的平滑条件下实现半参数效率，非参数引导自动纠正这种偏见，因此，这些看似低劣的估计实现引导一致性最小的平滑条件下。相比之下，几个“去偏”估计，实现半参数的最小光滑条件下的效率不实现自举一致性在这些相同的条件下。
2020-12-20 econ.EM math.ST stat.TH
Liu-type Negative Binomial Regression: A Comparison of Recent Estimators and Applications
本文给出了负二项回归模型的一个新的有偏估计，它是文献[12]中对线性模型提出的Liu型估计的推广。针对极大似然估计（MLE）在解释变量间存在多重共线性时方差膨胀的问题，提出了一种新的有偏估计，减小了MLE的方差，从而得到稳定的推断.此外，我们还通过矩阵均方误差均方误差（MMSE）准则对新估计与其他估计进行了理论上的比较。此外，一个蒙特卡罗模拟研究的目的是评估性能的估计的意义上的均方误差。最后，一个真实的数据应用程序来说明新的估计的好处。
2016-04-08 stat.ME
A robust fusion-extraction procedure with summary statistics in the presence of biased sources
如今，来自各种数据来源的信息越来越多。然而，一些数据源可能会产生有偏的估计，由于常见的有偏抽样，人口异质性，或模型误设定。这就要求统计方法在有偏见的来源存在的情况下将信息结合起来。本文提出了一种鲁棒的数据融合提取方法。该方法可以产生一个相合估计量的参数的利益，即使许多数据源是有偏见的。该估计量易于计算，仅采用汇总统计量，因此可以应用于许多不同的领域，例如荟萃分析，孟德尔随机化和分布式系统。此外，该估计是渐近等价的Oracle估计，只使用数据的无偏源在一些温和的条件下。本文还建立了估计量的渐近正态性。与现有的荟萃分析方法相比，即使数据源的数量和参数的维数随着样本量的增加而发散，该方法的理论性质也得到了保证，从而保证了该方法在较宽范围内的性能。通过仿真研究，也评估了鲁棒性和预言属性。将该方法应用于评价中度牙周病手术治疗的荟萃分析数据集和研究头颈癌危险因素的孟德尔随机化数据集。
2023-02-06 stat.ME
A New Estimator For Population Mean Using Two Auxiliary Variables in Stratified random Sampling
本文提出了一种分层随机抽样中使用两个辅助变量的估计量。建议的估计有一个改进的平均每单位估计以及其他一些考虑估计。估计的偏差和均方误差的表达式推导到一级近似。此外，这些理论研究结果的支持与原始数据的数值例子。关键词：研究变量，辅助变量，分层随机抽样，偏倚和均方误差。
2014-03-31 stat.AP
Almost unbiased estimator using Known Value of Population Parameter (s) in Sample Surveys
本文利用总体参数的已知值，提出了一种几乎无偏估计量。定义了一类估计量，包括Singh和Solanki [1]，Sahai和Ray [2]，Sisodia和Dwivedi [3]，Singh et. [4]，Upadhyaya和Singh [5]，Singh和Tailor [6]估计。在无放回的简单随机抽样（SRSWOR）方案下，导出了偏差和均方误差的表达式。数值例子支持本研究。关键词：辅助信息，偏差，均方误差，无偏估计量。
2014-05-16 stat.AP
A Bias-Corrected Estimator for the Crosswise Model with Inattentive Respondents
问卷调查模式是一种越来越受欢迎的调查技术，可以让受访者对敏感问题做出坦率的回答。然而，最近的研究指出，在不注意的受访者的存在下，敏感属性的流行率的传统估计是偏向0.5。为了解决这个问题，我们提出了一个简单的设计为基础的偏差校正使用锚问题，有一个敏感的项目与已知的患病率。我们证明，我们可以很容易地估计和纠正所产生的偏见不注意的受访者，而不测量个人层面的注意力。我们还提供了几个有用的扩展，我们的估计，包括传统的估计，加权策略，一个框架，潜在的敏感性状作为一个结果或预测变量的多变量回归的敏感性分析，和工具的功率分析和参数选择。我们的方法可以通过我们的开源软件cWise轻松实现。
2021-03-30 stat.AP stat.ME
Bias correction in multiple-systems estimation
针对多系统估计中最大似然估计的有限样本偏差，本文将 Chapman 的双来源小样本校正估计量扩展至三个及以上来源，模拟与真实数据均表明其偏差校正效果更优。
2023-11-03 stat.AP stat.ME
Uniform bias study and Bahadur representation for local polynomial estimators of the conditional quantile function
本文研究了条件分位数函数及其导数的局部多项式估计的偏差和弱Bahadur表示。偏差和Bahadur剩余项的研究均匀相对于分位数水平，协变量和平滑参数。局部多项式估计的阶可以高于条件分位数函数的可微阶。结果的应用涉及局部多项式分位数估计的全局最优相合率、随机带宽的性能和条件分位数密度函数的估计。后者允许获得一个简单的估计私人价值的条件分位数函数的第一价格密封投标拍卖下的独立私人价值的范式和风险中性。
2014-09-02 math.ST stat.AP stat.OT
A Diagnostic for Bias in Linear Mixed Model Estimators Induced by Dependence Between the Random Effects and the Corresponding Model Matrix
University of Iowa（爱荷华大学）
该研究分析了线性混合模型中随机效应与模型矩阵的相关性引发的估计量偏差，给出了偏差无偏的条件，量化了偏差并提出诊断方法，通过体育赛事结果验证了该方法的有效性。
2026-10-23 math.ST stat.AP stat.TH
Conditional bias robust estimation of the total of curve data by sampling in a finite population: an illustration on electricity load curves
出于营销或电网管理的目的，电力公司现在进行了许多基于对客户组的总电力消耗曲线的分析的研究。总负荷曲线或平均负荷曲线是使用在精细时间网格上测量的单个曲线估计的，并根据一些抽样设计收集。由于用电量分布的偏态，这些样本往往包含离群曲线，这可能对通常的估计程序产生重要影响。我们介绍了几个强大的估计的总消费曲线，这是不敏感的离群曲线。这些估计是基于条件偏差方法和鲁棒函数方法。我们还推导出这些稳健估计的均方误差估计，最后，我们评估和比较爱尔兰电力数据的建议估计的性能。
2018-06-27 stat.AP stat.ME
