Algorithms for computing self-consistent and maximum likelihood estimators with doubly censored data
双侧删失数据的自洽估计与极大似然估计算法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：摘要涉及一般删失数据的非参数估计，未明确研究所列分位数效应或其他经济计量方向。
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
双侧删失数据的自洽估计与极大似然估计算法
- 研究问题
- 在双侧删失数据中，自洽估计何时也是非参数极大似然估计，如何据此构造两类估计的计算算法？
- 方法与思路
- 作者分析自洽估计与非参数极大似然估计的结构，给出二者一致的充要条件，并据此设计算法及研究其与 EM 的关系。
- 材料陈述的贡献
- 摘要称明确刻画自洽估计成为非参数极大似然估计的充要条件，同时提供两类估计的计算算法及与 EM 的关系分析。
- 阅读关注点
- 应核对双侧删失的观测模型、充要条件的具体内容、算法初始化和终止规则，以及与 EM 算法关系的准确含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；删失机制、算法收敛条件和计算效率未说明，不能推断其优越性或刊本变化。
原文摘要
The paper investigates the structure of the self-consistent estimators (SCE) and the nonparametric maximum likelihood estimator (NPMLE) for doubly censored data. An explicit sufficient and necessary condition for an SCE to be the NPMLE is given. Based on this, algorithms for computing the SCE and the NPMLE are provided. The relation between our algorithms and the EM algorithm is studied.