Projection as a method for increasing sensitivity and eliminating nuisance parameters
通过投影提高敏感性并消除干扰参数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：摘要讨论一般估计函数与干扰参数理论，混合模型示例不足以支持所列经济计量细分。
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
通过投影提高敏感性并消除干扰参数
- 研究问题
- 如何对估计函数进行投影，提升检验功效或点估计效率，或者使推断函数不再敏感于干扰参数的取值？
- 方法与思路
- 作者研究类似Rao–Blackwell化的估计函数投影，并讨论完全充分统计量下的化简及超出该情形的混合模型示例。
- 材料陈述的贡献
- 摘要称，投影可用于提高检验功效、估计效率或削弱干扰参数影响，其适用范围超出存在完全充分统计量的模型。
- 阅读关注点
- 应核对投影所用空间与准则、不同目标对应的条件，以及敏感性消除、效率提升和条件推断之间的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供投影公式、完整条件或改善幅度，不能推断所有模型均适用或刊本变化。
原文摘要
This paper examines statistical methods based upon estimating functions, i.e. functions of both the parameter and data that are designed to permit inference about an unknown parameter in a statistical model. We explore reductions of such estimating functions by projection. This reduction, analogous to the process of Rao–Blackwellization, may be used either to increase the power of a test, the efficiency of a point estimator, or alternatively to render an inference function insensitive to the value of a nuisance parameter. In the case where a complete sufficient statistic exists for a parameter of interest the methods reduce to increasing sensitivity through Rao–Blackwellization. When this same parameter is regarded as a nuisance parameter, the techniques lead us to condition on the complete sufficient statistic for this parameter. However the techniques are seen to be more widely applicable than for models permitting reduction through complete sufficiency. Examples involving mixture models will be developed.