Asymptotics for Semiparametric Econometric Models Via Stochastic Equicontinuity
通过随机等度连续性研究半参数计量模型的渐近性质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：摘要给出通用半参数渐近理论及回归应用，未提供与所列具体领域细分直接对应的充分证据，因此不作细分。
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
通过随机等度连续性研究半参数计量模型的渐近性质
- 研究问题
- 当目标函数依赖预先估计的无限维干扰参数时，如何证明由最小化问题定义的半参数估计量具有 √T 一致性和渐近正态性？
- 方法与思路
- 作者利用随机过程的随机等度连续性建立一般证明框架，并将其应用于部分参数回归模型中的半参数加权最小二乘估计。
- 材料陈述的贡献
- 摘要称该框架涵盖多类半参数估计量，并为所研究的半参数加权最小二乘估计给出保证 √T 一致性和渐近正态性的基本条件。
- 阅读关注点
- 阅读时应核对无限维干扰参数估计所需的条件、随机等度连续性如何验证，以及一般结果到加权最小二乘例子的推导。
- 阅读边界
- 摘要未列出具体正则条件、干扰参数的估计速率或方差表达式；该框架能否适用于某个实际模型，仍须逐项核对全文条件。
原文摘要
This paper provides a general framework for proving the "square root of" T-consistency and asymptotic normality of a wide variety of semiparametric estimators. The class of estimators considered consists of estimators that can be defined as the solution to a minimization problem based on a criterion function that may depend on a preliminary infinite dimensional nuisance parameter estimator. The method of proof exploits results concerning the stochastic equicontinuity of stochastic processes. The results are applied to the problem of semiparametric weighted least squares estimation of partially parametric regression models. Primitive conditions are given for "square root of" T-consistency and asymptotic normality of this estimator. Copyright 1994 by The Econometric Society.