Maximum likelihood estimation and uniform inference with sporadic identification failure
局部识别失效下的最大似然估计与一致推断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：摘要属于通用识别与推断理论，未提供所列微观、宏观或金融细分方向的直接证据。
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
局部识别失效下的最大似然估计与一致推断
- 研究问题
- 当参数在参数空间的部分区域无法识别时，以光滑样本平均为准则的估计量、检验和置信集会具有什么性质？
- 方法与思路
- 摘要将研究对象限定为参数的光滑样本平均准则函数，涵盖对数似然、准对数似然与最小二乘，但未说明具体推导方法。
- 材料陈述的贡献
- 摘要明确将部分参数区域的识别失效纳入估计、检验和置信集的分析范围，但所给文本未陈述具体定理或改进结果。
- 阅读关注点
- 应核对识别失效区域的刻画、不同识别强度下的极限理论，以及题名所指一致推断如何实现并保证置信集覆盖。
- 阅读边界
- 所给出版社摘要较短，仅说明问题与准则函数范围；无法据此判断一致有效性、适用条件或任何具体方法相较既有方法的优势。
原文摘要
This paper analyzes the properties of a class of estimators, tests, and confidence sets (CSs) when the parameters are not identified in parts of the parameter space. Specifically, we consider estimator criterion functions that are sample averages and are smooth functions of a parameter θ. This includes log likelihood, quasi-log likelihood, and least squares criterion functions.