Quasi-likelihood models and optimal inference
拟似然模型与最优推断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：摘要以遍历马尔可夫链及自回归模型研究条件均值、方差与动态估计效率。
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
拟似然模型与最优推断
- 研究问题
- 当遍历马尔可夫链的条件均值和方差均有参数模型时，如何利用方差信息改善通常的最大拟似然估计效率？
- 方法与思路
- 作者构造估计方程解的凸组合及加权非线性一步最小二乘估计，后者权重涉及条件三阶和四阶中心矩的预测量。
- 材料陈述的贡献
- 摘要称，通常最大拟似然估计未充分利用方差模型；作者提出两个有效估计量，并以自回归例子展示额外限制的改善潜力。
- 阅读关注点
- 应核对效率界所对应的模型、条件高阶矩的估计方式、一步估计的初始值要求，以及额外模型限制为何增加信息。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；未列出有效性的正则条件、权重估计要求或改善幅度，不能推广为所有拟似然模型的结论。
原文摘要
Consider an ergodic Markov chain on the real line, with parametric models for the conditional mean and variance of the transition distribution. Such a setting is an instance of a quasi-likelihood model. The customary estimator for the parameter is the maximum quasi-likelihood estimator. It is not efficient, but as good as the best estimator that ignores the parametric model for the conditional variance. We construct two efficient estimators. One is a convex combination of solutions of two estimating equations, the other a weighted nonlinear one-step least squares estimator, with weights involving predictors for the third and fourth centered conditional moments of the transition distribution. Additional restrictions on the model can lead to further improvement. We illustrate this with an autoregressive model whose error variance is related to the autoregression parameter.