Geometric Understanding of Likelihood Ratio Statistics
似然比统计量的几何理解AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于一般似然比渐近理论，未指向所列具体经济计量领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
似然比统计量的几何理解
- 研究问题
- 当最大似然估计量不具有渐近正态性时，似然比统计量是否仍能具有渐近卡方分布，哪些似然几何性质支持这一点？
- 方法与思路
- 作者从似然等高集合的几何形状出发研究 Wilks 型结果，以扇形集合扩展传统椭球形集合对应的理论。
- 材料陈述的贡献
- 摘要称，所述几何条件下即使最大似然估计量非渐近正态，似然比统计量仍可渐近服从卡方分布，扩展了传统理论。
- 阅读关注点
- 核对扇形等高集合的数学定义、所需渐近与正则条件，以及卡方自由度和非渐近正态估计量例子的具体设定。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；摘要未给出几何条件的形式定义和完整假设，不能将描述性的扇形形状当作可直接使用的判据。
原文摘要
It is well known that twice a log-likelihood ratio statistic follows asymptotically a chi-square distribution. The result is usually understood and proved via Taylor's expansions of likelihood functions and by assuming asymptotic normality of maximum likelihood estimators (MLEs). We obtain more general results by using a different approach: The Wilks type of results hold as long as likelihood contour sets are fan-shaped. The classical Wilks theorem corresponds to the situations in which the likelihood contour sets are ellipsoidal. This provides a geometric understanding and a useful extension of the likelihood ratio theory. As a result, even if the MLEs are not asymptotically normal, the likelihood ratio statistics can still be asymptotically chi-square distributed. Our technical arguments are simple and easily understood.