Parameter Orthogonality and Approximate Conditional Inference
参数正交性与近似条件推断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：参数正交化、干扰参数和近似条件似然推断是计量推断/统计基础。
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…
参数正交性与近似条件推断
- 研究问题
- 当研究对象是一个标量参数、模型还含有一个或多个干扰参数时，怎样构造推断？摘要关注如何构造并解释与目标参数正交的干扰参数，以及基于条件分布的似然比相对于剖面似然比是否更可取。
- 方法与思路
- 摘要要求干扰参数与目标参数正交，并讨论正交化参数的构造。它提出以干扰参数的最大似然估计量为条件的观测分布构造似然比统计量，再与对干扰参数最大化所得的剖面似然比进行比较。
- 材料陈述的贡献
- 摘要提出处理标量目标参数与干扰参数的近似条件推断思路，讨论它相对于剖面似然比的可取之处，并说明与修正剖面似然的密切联系。文中以 Box–Cox 正态变换模型举例，摘要未给出统一优势结论。
- 阅读关注点
- 阅读原文时重点核对正交性的定义、正交化能否在所讨论的参数空间内实现，以及条件分布怎样构造。尤其应区分对估计量取值作条件化与直接代入估计值，并追踪近似精度及与修正剖面似然的关系。 阅读前先备知识：建议先掌握多参数似然、得分、Fisher 信息矩阵及其分块形式，再理解干扰参数、参数变换和剖面似然。作为背景知识，参数正交通常通过信息矩阵的交叉项刻画，应与随机变量不相关的概念区分。
- 阅读边界
- 以下限制对应原请求所用摘要版本：基于原文摘要，未阅读全文。摘要说明推断构造、比较方向和示例，但未给出正交化的存在条件、近似误差阶数或适用模型范围，不能据此声称该统计量总优于剖面似然，或正交化消除了干扰参数的全部影响。 经AI辅助核对旧与当前摘要内容等价；未另读刊稿全文，不能据此证明整个稿件版本等价。
原文摘要
SUMMARY We consider inference for a scalar parameter Ψ in the presence of one or more nuisance parameters. The nuisance parameters are required to be orthogonal to the parameter of interest, and the construction and interpretation of orthogonalized parameters is discussed in some detail. For purposes of inference we propose a likelihood ratio statistic constructed from the conditional distribution of the observations, given maximum likelihood estimates for the nuisance parameters. We consider to what extent this is preferable to the profile likelihood ratio statistic in which the likelihood function is maximized over the nuisance parameters. There are close connections to the modified profile likelihood of Barndorff-Nielsen (1983). The normal transformation model of Box and Cox (1964) is discussed as an illustration.