Infereni on full or partial parameters based on the standardized signed log likelihood ratio
基于标准化有符号对数似然比的全部或部分参数推断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：摘要研究一般参数模型的高阶似然推断，没有所列因果、面板、时间序列或金融方向的直接应用证据。
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
基于标准化有符号对数似然比的全部或部分参数推断
- 研究问题
- 如何通过校正有符号对数似然比的均值与方差，提高目标参数推断的渐近精度，并扩展到补充参数和多维目标参数？
- 方法与思路
- 作者标准化单一目标参数的有符号对数似然比，将其用于相关的辅助统计量与条件推断问题，再通过迭代应用扩展到多维参数。
- 材料陈述的贡献
- 摘要称，该统计量具有高阶渐近正态性，可支持条件和无条件置信区域构造，并将仿射辅助统计量概念扩展到较一般模型。
- 阅读关注点
- 应核对均值与方差校正的构造、辅助统计量的含义、条件推断的依据及多维扩展；所有精度阶数需从原 PDF 核实。
- 阅读边界
- 仅据所给版本未注明的 OpenAlex 摘要；题名和正文含文字及指数排版损坏，不能重构渐近阶数。正则条件与具体精度结论需查阅原 PDF。
原文摘要
For parametric models it is shown in general that by adjusting the mean and variance of the signed log likelihood ratio for a single parameter of interest ψ one obtains a statistic which is asymptotically standard normally distributed to order O(n–23) , under repeated sampling. This statistic may also be used as an ancillary in the associated problem of drawing inference on the complementary parameter χ for known value of ψ in which case it entails accuracy to the same order of a simple formula (Barndorff-Nielsen, 1983) for the conditional distribution of the maximum likelihood estimator of χ. By iterated application, these results are extended to the case of multivariate parameters of interest. The asymptotic normality result may be used to set confidence regions for the parameter of interest which are correct to order O(n–) conditionally as well as uncondi tionally. Several examples are discussed. In the course of the argument the concept of the affine ancillary (Barndorff-Nielsen, 1980) is extended from curved exponential families to rather general models.