Characterization of the asymptotic distribution of semiparametric M-estimators
半参数 M 估计量渐近分布的刻画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：核心内容是通用半参数渐近理论，分位数与匹配仅作为例子，不足以指定单一应用细分。
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
半参数 M 估计量渐近分布的刻画
- 研究问题
- 在一般模型误设与可能非光滑目标函数下，两步半参数 M 估计量的渐近分布如何受到第一阶段非参数估计及其导数影响？
- 方法与思路
- 作者推导具体渐近分布公式，区分第一阶段影响消失、参数导数产生影响和允许非光滑目标的条件，并用三个例子说明。
- 材料陈述的贡献
- 摘要称所需正则条件较易核验且弱于既有条件，框架允许第一阶段依赖有限维参数，并覆盖分位数回归、半参数最小二乘和匹配。
- 阅读关注点
- 应核对误设下的目标参数、第一阶段收敛与导数条件，以及非光滑目标的处理方式，确认各示例如何满足一般理论要求。
- 阅读边界
- 仅依据所给出版社摘要，无法判断条件放宽的准确范围；完整公式、证明及第一阶段影响消失的具体条件均未说明。
原文摘要
This paper develops a concrete formula for the asymptotic distribution of two-step, possibly non-smooth semiparametric M-estimators under general misspecification. Our regularity conditions are relatively straightforward to verify and also weaker than those available in the literature. The first-stage nonparametric estimation may depend on finite dimensional parameters. We characterize: (1) conditions under which the first-stage estimation of nonparametric components do not affect the asymptotic distribution, (2) conditions under which the asymptotic distribution is affected by the derivatives of the first-stage nonparametric estimator with respect to the finite-dimensional parameters, and (3) conditions under which one can allow non-smooth objective functions. Our framework is illustrated by applying it to three examples: (1) profiled estimation of a single index quantile regression model, (2) semiparametric least squares estimation under model misspecification, and (3) a smoothed matching estimator.