Penalized maximum likelihood and semiparametric second-order efficiency
惩罚最大似然与半参数二阶效率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：摘要研究高斯白噪声模型中的通用半参数效率，未提供所列经济计量应用方向的依据。
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…
惩罚最大似然与半参数二阶效率
- 研究问题
- 在高斯白噪声中估计未知对称函数的平移参数时，如何刻画半参数二阶效率，并使估计同时达到一阶与二阶效率？
- 方法与思路
- 作者引入模型内的半参数二阶效率概念，以适当选择惩罚项的最大似然型估计量处理平移参数及未知函数。
- 材料陈述的贡献
- 摘要称，所提估计量在该模型中同时具有半参数效率与二阶效率，并强调风险展开的二阶项反映非参数部分的影响。
- 阅读关注点
- 应核对未知对称函数的允许类别、平移参数识别、风险与二阶效率的定义，以及惩罚选择和效率结论成立的条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明函数条件、惩罚形式及风险展开，不能推广二阶项大小的判断或推断刊本变化。
原文摘要
We consider the problem of estimation of a shift parameter of an unknown symmetric function in Gaussian white noise. We introduce a notion of semiparametric second-order efficiency and propose estimators that are semiparametrically efficient and second-order efficient in our model. These estimators are of a penalized maximum likelihood type with an appropriately chosen penalty. We argue that second-order efficiency is crucial in semiparametric problems since only the second-order terms in asymptotic expansion for the risk account for the behavior of the “nonparametric component” of a semiparametric procedure, and they are not dramatically smaller than the first-order terms.