A Test for Global Maximum
全局最大值的检验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：摘要研究一般似然估计与检验理论，未提供所列领域的具体应用依据。
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…
关注这篇论文的作者
全局最大值的检验
- 研究问题
- 似然方程的某个根是否具有一致性与渐近效率？如何通过大样本检验评估这些通常与全局最大化解相关的性质？
- 方法与思路
- 作者给出似然方程根的一致性与渐近最优性的充要条件，据此构造检验，并讨论其与 White 模型误设检验的联系。
- 材料陈述的贡献
- 摘要称，所提检验在大样本模拟中表现较好，但较小样本可能过度拒绝；检验关注的是根的统计性质及其渐近表现。
- 阅读关注点
- 应核对充要条件的适用范围、检验究竟识别哪些性质，以及通过检验与确认有限样本似然全局最大值之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；不能把检验通过视为全局最优的计算证明，小样本过度拒绝程度未说明。
原文摘要
We give simple necessary and sufficient conditions for consistency and asymptotic optimality of a root to the likelihood equation. Based on the results, a large-sample test is proposed for detecting whether a given root is consistent and asymptotically efficient, a property often possessed by the global maximizer of the likelihood function. A number of examples, and the connection between the proposed test and the test of White for model misspecification, are discussed. Monte Carlo studies show that the test performs quite well when the sample size is large but may suffer the problem of overrejection with relatively small samples.