The ABC of simulation estimation with auxiliary statistics
基于辅助统计量的模拟估计：ABC与模拟最小距离的联系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：摘要明确使用动态面板模型展示方法差异，其余内容属于未对应具体领域细分的通用估计理论。
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
基于辅助统计量的模拟估计：ABC与模拟最小距离的联系
- 研究问题
- 似然难以计算时，近似贝叶斯计算与模拟最小距离估计之间有何联系，二者的估计差异如何刻画？
- 方法与思路
- 作者构造结合优化和重要性加权的逆向采样器，以随机展开比较频率学派与贝叶斯计算估计，并用动态面板模拟说明。
- 材料陈述的贡献
- 摘要称，理想ABC估计可写为一系列SMD极小点的加权平均，并给出包括拉普拉斯型估计在内的一般差异刻画。
- 阅读关注点
- 应核对逆向采样器的权重构造、理想ABC表述的成立条件，以及随机展开中的差异项和动态面板示例设置。
- 阅读边界
- 仅据所给出版社摘要，无法判断后验逼近精度、计算成本或方法优劣；摘要未给出展开条件和具体模拟结果。
原文摘要
The frequentist method of simulated minimum distance (SMD) is widely used in economics to estimate complex models with an intractable likelihood. In other disciplines, a Bayesian approach known as Approximate Bayesian Computation (ABC) is far more popular. This paper connects these two seemingly related approaches to likelihood-free estimation by means of a Reverse Sampler that uses both optimization and importance weighting to target the posterior distribution. Its hybrid features enable us to analyze an ABC estimate from the perspective of SMD. We show that an ideal ABC estimate can be obtained as a weighted average of a sequence of SMD modes, each being the minimizer of the deviations between the data and the model. This contrasts with the SMD, which is the mode of the average deviations. Using stochastic expansions, we provide a general characterization of frequentist estimators and those based on Bayesian computations including Laplace-type estimators. Their differences are illustrated using analytical examples and a simulation study of the dynamic panel model.