EJS — Vol 19 Issue 2 · 2026-07-15¶
- 共 3 篇 · Electronic Journal of Statistics
- 目录核对 ⚠️ 疑似漏 68 篇（对照 OpenAlex 72 篇）：10.1214/25-ejs2427、10.1214/25-ejs2459、10.1214/25-ejs2451、10.1214/25-ejs2410、10.1214/25-ejs2411 等
本期导览¶
自动生成：归纳本期主要主题与脉络，不打分、不排名。
这一期共 3 篇论文，主题分散，未形成明显主线。一篇聚焦于极小极大估计的渐近分布理论（非经典高斯极限），一篇针对整数值自回归模型的计数序列分布检验（假设检验），一篇提出包含函数型与矩阵型协变量的部分线性分位数回归（半参数建模）。整体上，本期在方法上覆盖了渐近理论、假设检验与半参数回归，但各篇之间缺乏共同的方法或主题纽带。
最突出的主线是 极小极大估计的渐近分布理论（《Minimax asymptotics》），该文挑战了经典统计渐近中估计量趋于正态的常规认知，利用参数化优化问题的灵敏度分析，证明在一般条件下最优值与最优解的极限分布高度非高斯。这一结果对理解经验风险最小化等广泛使用的估计框架的推断性质有直接冲击。另一条可关注的主线是 计数时间序列的模型诊断（《Tests for counting sequences of integer-valued autoregressive models》），该文为 INAR 模型中的算子选择提供了基于矩条件的假设检验，填补了该领域缺乏形式化模型诊断工具的空白，对因果推断中计数数据建模的模型验证有参考价值。第三篇《Partially linear functional quantile regression with low-rank matrix regressors》则是在半参数框架下扩展了分位数回归的协变量类型，给出了收敛速度与极小化下界，属于方法论的增量贡献。
若您关注 渐近理论，可优先看《Minimax asymptotics》；若关注 假设检验与模型诊断，则《Tests for counting sequences...》更直接；若关注 半参数回归与非参数收敛速度，《Partially linear functional quantile regression...》提供了函数型与矩阵型协变量的新组合。
数理统计 / 假设检验 (hypothesis_testing, 2 篇)¶
1. 10.1214/25-ejs2457 — Minimax asymptotics¶
- 作者: Mika Meitz, Alexander Shapiro
- 期刊/来源: Electronic Journal of Statistics
- 机构: University of Helsinki · Georgia Institute of Technology
- 分类: vol 19 · issue 2
- 相关性 8/10 · novelty:
new_theory - 摘要: 本文研究参数化极小极大估计问题的最优值和最优解的渐近分布。设定是：总体极小极大问题（population minimax problem）由参数化目标函数定义，样本极小极大问题（sample minimax problem）通过经验近似得到，目标是估计最优值和最优解。核心技术工具是参数化数学优化问题的灵敏度分析（sensitivity analysis of parameterized optimization problems），而非经典统计渐近理论。主要理论结果是：在一般条件下，最优值和最优解的极限分布高度非高斯（highly non-Gaussian），仅在简单特殊情形下才趋于正态分布。这一结果显著超越了现有文献（现有结果通常假设光滑性或正则性以得到正态极限），为极小极大估计的统计推断（如构造置信区间、假设检验）开辟了新路径。对您而言，本文连接了您对 minimax 估计和假设检验的兴趣，其灵敏度分析框架可能为高维或半参数极小极大估计的推断提供新工具。
- 关键技术:
sensitivity analysis of parameterized optimization,minimax estimation,asymptotic distribution theory,non-Gaussian limits,empirical process - 为什么对您有用: 本文直接连接您对假设检验和 minimax 估计的兴趣，其灵敏度分析框架为极小极大估计的推断提供了新视角。从技术武器库看，您可以用 very_familiar 的非参数统计和 minimax 界工具来验证其理论结果的紧性，或用 moderately_familiar 的 M-估计理论将其推广到更复杂的半参数设定。中期可做：需先在 moderately_familiar 的 semiparametric theory 上长肌肉，以处理带 nuisance 参数的极小极大问题。
2. 10.1214/25-ejs2434 · arXiv — Tests for counting sequences of integer-valued autoregressive models¶
- 作者: Yuichi Goto, Kou Fujimori
- 期刊/来源: Electronic Journal of Statistics
- 分类: vol 19 · issue 2
- 相关性 3/10 · novelty:
new_method - 摘要: 本文针对整数值自回归（INAR）模型中计数序列分布的选择问题，提出了一种基于均值-方差关系的假设检验方法。INAR 模型通过二项稀疏算子或广义 Steutel-van Harn 算子保持整数值特性，但以往计数序列的分布由分析者主观指定，缺乏统计验证。作者构建了检验统计量，利用计数序列与扰动过程的矩条件，在零假设下证明其渐近具有正确尺寸且检验一致。数值模拟评估了有限样本表现，并将方法应用于新西兰动物实验室每月厌食症病例数数据，结果表明二项稀疏算子不适用。该检验为 INAR 模型中的算子选择提供了形式化工具，对时间序列因果推断中计数数据建模的模型诊断有直接参考价值。
- 关键技术:
INAR model,binomial thinning operator,moment-based test,asymptotic normality,count time series - 为什么对您有用: 本文属于假设检验方向，直接对应 primary interest 中的 hypothesis testing。研究者可用 very_familiar 的非参数统计与高维渐近工具，检验该检验统计量在更复杂计数模型（如含协变量或缺失数据）下的稳健性，属于立即可做的 follow-up。
其他 (other, 1 篇)¶
1. 10.1214/25-ejs2422 — Partially linear functional quantile regression with low-rank matrix regressors¶
- 作者: Ling Peng, Yue Wang, Ivy Liu, Xiaohui Liu
- 期刊/来源: Electronic Journal of Statistics
- 机构: Jiangxi University of Finance and Economics · University of Science and Technology of China · Victoria University of Wellington
- 分类: vol 19 · issue 2
- 相关性 6/10 · novelty:
new_method - 摘要: 本文提出一种新的部分线性函数型分位数回归模型，其中协变量包括函数型数据和低秩矩阵数据。模型利用再生核希尔伯特空间（RKHS）的灵活性来处理函数型部分，同时将矩阵协变量通过低秩分解纳入线性部分。在温和条件下，作者建立了预测误差和参数估计量的收敛速度，并推导了函数型部分和参数部分各自的极小化下界。通过模拟和真实数据应用验证了模型的有效性。该工作主要贡献在于将分位数回归扩展到同时包含函数型和矩阵型协变量的半参数框架，并给出了理论保证。对您而言，本文涉及半参数理论和非参数收敛速度分析，与您熟悉的非参数统计和极小化界工具有直接联系，但方法本身（函数型数据+分位数回归）与您的主要研究方向（因果推断、高维统计）距离较远。
- 关键技术:
reproducing kernel Hilbert space,quantile regression,low-rank matrix regression,minimax lower bound,partially linear model - 为什么对您有用: 本文属于半参数/非参数理论方向，与您熟悉的非参数统计和极小化界工具有直接联系。但核心方法（函数型数据分位数回归）不在您的主要兴趣范围内，且与因果推断、高维随机矩阵等方向无直接交叉。作为一篇方法学论文，其理论分析框架（RKHS + 收敛速度 + 极小化下界）对您而言属于已掌握的武器库范畴，但问题本身缺乏与您核心兴趣的强连接。暂不可做：核心机器（函数型数据分析、分位数回归）不在您的武器库中，且缺乏与因果推断或高维统计的明显接口。
Maintained by 陈星宇 · Homepage · Source on GitHub