Conditional Score Functions: Some Optimality Results
条件得分函数的若干最优性结果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：摘要研究通用估计函数与偏似然理论，未提供所列应用细分的直接依据。
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
条件得分函数的若干最优性结果
- 研究问题
- 条件得分的最优估计方程性质如何扩展到偏似然分解，当条件统计量依赖目标参数时，最优性还能以何种形式成立？
- 方法与思路
- 作者推广基于干扰参数完备充分统计量的条件得分结果，再分析参数依赖的条件化问题，并引入较弱的最优加权准则。
- 材料陈述的贡献
- 摘要称在所述参数依赖情形下全局最优估计函数不可能存在；较弱准则则产生一类满足信息等式的估计条件得分函数。
- 阅读关注点
- 应核对偏似然分解的条件、全局最优性的比较范围、参数依赖如何造成障碍，以及较弱加权准则和信息等式的含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不可能性与最优性的具体条件未说明，不能将结论推广到所有条件推断问题。
原文摘要
The conditional score function has previously been shown to generate the optimal estimating equation for a parameter of interest when the conditioning statistic is complete and sufficient for the nuisance parameters (Godambe, 1976). The present paper generalizes these results to partial likelihood factorizations and then examines the nature of the problem when the appropriate conditioning statistics depend on the parameter of interest. In this case, globally optimal estimating functions are impossible. A weaker criterion of optimal weighting leads to a class of estimated conditional score functions which satisfy an information equality.