Maximum pairwise-rank-likelihood-based inference for the semiparametric transformation model
半参数变换模型中基于最大成对秩似然的推断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：摘要讨论通用半参数变换模型，未明确对应所列的面板、选择、因果或金融等具体方向。
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…
半参数变换模型中基于最大成对秩似然的推断
- 研究问题
- 在线性变换模型中，如何估计参数分量，缓解既有核平滑方法的调参困难与部分秩估计方法的计算负担？
- 方法与思路
- 作者提出成对秩似然估计，以及由其得分函数启发的估计方程方法，研究理论性质并开展广泛的数值比较。
- 材料陈述的贡献
- 摘要称，两类方法对随机误差分布具有稳健性，在许多数值情形下均方误差与既有方法相当或更小。
- 阅读关注点
- 应核对变换函数和参数的识别规范、两种估计方法的关系、理论条件，以及误差分布稳健性与计算成本的具体含义。
- 阅读边界
- 依据所给 RePEc 出版社摘要，稳健性的条件及比较设计未说明；部分数值情形的均方误差表现不能推为普遍优势。
原文摘要
In this paper, we study the linear transformation model in a general setup. This model includes many important and popular models in statistics and econometrics as special cases. Although it has been studied for many years, the methods in the literature are based on kernel-smoothing techniques or make use of only the ranks of the responses in the estimation of the parametric components. The former approach needs a tuning parameter, which is not easily optimally specified in practice; and some of the latter may be computationally expensive. In this paper, we propose two methods: a pairwise rank likelihood method and an estimation-equation-based method motivated from the score function of this pairwise rank likelihood. We also explore the theoretical properties of the proposed estimators. Via extensive numerical studies, we demonstrate that our methods are appealing in that the estimators are not only robust to the distribution of the random errors but also lead to mean square errors that are in many cases comparable to or smaller than those of existing methods.