Simulation and the Asymptotics of Optimization Estimators
模拟与优化估计量的渐近理论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：摘要的应用例子明确涉及离散响应概率计算，因此选择离散选择；一般渐近理论本身不支持其他给定分类。
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
模拟与优化估计量的渐近理论
- 研究问题
- 当估计目标包含模拟生成且可能不光滑的随机准则时，如何建立优化估计量的一般渐近正态理论，并处理常见的计算难题？
- 方法与思路
- 作者以向量值随机准则函数的长度最小化来定义估计量，在不要求准则函数光滑的框架下建立一般中心极限定理，并分析两个模拟估计例子。
- 材料陈述的贡献
- 摘要称给出一般中心极限定理，并完整分析两个既有模拟估计量，展示模拟如何处理难以计算的聚合公式与离散响应概率。
- 阅读关注点
- 核对除光滑性以外所需的正则条件、模拟误差与样本量的关系，以及两个例子如何满足定理条件并得到具体的渐近分布。
- 阅读边界
- 无光滑性要求不等于无需其他正则条件；摘要未列出定理假设、模拟次数要求或有限样本表现，不能判断其对任意模拟估计量均适用。
原文摘要
A general central limit theorem is proved for estimators defined by minimization of the length of a vector-valued, random criterion function. No smoothness assumptions are imposed on the criterion function in order that the results might apply to a broad class of simulation estimators. Complete analyses of two simulation estimators, one introduced by A. Pakes (1986) and the other by D. McFadden (1989), illustrate the application of the general theorems. These examples illustrate how simulation can be used to circumvent two computational problems that arise frequently in applied econometrics: evaluating intractable aggregation formulae and evaluating discrete response probabilities. Copyright 1989 by The Econometric Society.