On Constrained Quasi-Likelihood Estimation
约束拟似然估计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：摘要涉及一般约束拟似然与半参数估计，没有明确的经济学细分应用或研究对象。
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
约束拟似然估计
- 研究问题
- 在通常没有可直接最大化或最小化目标函数的拟似然估计中，如何处理参数约束，并推广似然或最小二乘中的乘子程序？
- 方法与思路
- 作者说明拉格朗日乘子的形式程序可广泛用于约束拟似然估计，并将其与投影无约束估计量或估计方程的思路联系起来。
- 材料陈述的贡献
- 摘要称该程序允许在无法采用最大似然的广泛问题中进行最优估计，包括半参数模型，但未说明最优性的具体准则。
- 阅读关注点
- 阅读时应核对估计方程、参数约束与乘子的构造，投影关系成立的条件，以及所谓最优估计采用何种评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；约束类型、正则条件与最优性定义未说明，不能将形式程序理解为无条件有效。
原文摘要
For maximum likelihood or least squares parameter estimation subject to a constrained parameter, the standard approach is to use the method of Lagrange multipliers. In this paper it is shown that the same formal procedure applies very generally for constrained quasi-likelihood estimation even though there is ordinarily no objective function to maximize or minimize. This allows for optimal estimation in a wide range of problems where maximum likelihood cannot be used, such as for semiparametric models. The method is very similar to projecting the free estimator or projecting the equations which it solves.