Recursive Parameter Estimation Using Incomplete Data
利用不完整数据递归估计参数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：摘要讨论不完整数据下通用的随机逼近与递归估计，未说明时间序列结构或特定经济计量研究方向。
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
利用不完整数据递归估计参数
- 研究问题
- 在不完整数据下，如何递归更新参数估计，并在渐近效率与快速、易实施的计算程序之间作出方法选择？
- 方法与思路
- 作者研究随机逼近程序，展示一种常能产生渐近有效估计的方法，并开发更易应用的替代程序，讨论其与 EM 的联系。
- 材料陈述的贡献
- 摘要称提供了兼顾效率与实施便利的递归估计方案及示例，并把其中一种可能次优的方法与 EM 算法联系起来。
- 阅读关注点
- 应核对随机逼近的更新形式、步长和收敛条件、渐近有效性的适用范围，以及易实施程序损失效率的具体含义。
- 阅读边界
- 仅据所给 Crossref 摘要；“常能”达到渐近效率是有条件的陈述，摘要未提供具体条件、效率损失或运行时间结果。
原文摘要
SUMMARY Stochastic approximation procedures are considered for the estimation of parameters using incomplete data. One procedure is stated and illustrated which often leads to asymptotically efficient estimators. Others are developed which, although possibly not optimal in the above sense, will be very much easier to apply. This will be particularly advantageous when quick recursive estimates are required. Examples are given and a link is made between one of the sub-optimal methods and the EM algorithm.