Asymptotic Analysis of Penalized Likelihood and Related Estimators
惩罚似然及相关估计量的渐近分析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：摘要给出通用惩罚函数估计理论，密度与生存风险率等例子不足以对应所列经济计量细分方向。
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
惩罚似然及相关估计量的渐近分析
- 研究问题
- 如何用统一框架分析惩罚似然及相关函数估计量的一阶渐近误差，并在不同谱范数下获得收敛速度？
- 方法与思路
- 作者提出一阶渐近分析方法，分别展开系统误差与随机误差，并在一族谱范数中推导函数估计量的收敛率。
- 材料陈述的贡献
- 摘要称，该理论适用于非参数密度、风险率和广义回归曲线等多类函数估计问题，并提供若干例子说明应用。
- 阅读关注点
- 应核对惩罚结构、谱范数的定义、误差展开的余项控制，以及调节参数与各类函数估计问题的收敛率之间的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明具体正则条件、速率或最优性结论，也不能将风险率解释为金融风险。
原文摘要
A general approach to the first order asymptotic analysis of penalized likelihood and related estimators is described. The method gives expansions for the systematic and random error. Asymptotic convergence rates in a family of spectral norms are obtained. The theory applies to a broad range of function estimation problems including nonparametric density, hazard and generalized regression curve estimation. Some examples are provided.