Maximum Likelihood Estimation of Misspecified Models
错设模型的极大似然估计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：摘要研究一般错设模型下的估计与检验，未限定具体经济模型、数据结构或应用对象，现有证据不足以选择领域细分。
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
错设模型的极大似然估计
- 研究问题
- 模型错设如何影响极大似然估计的一致性与常规推断，能否利用估计量和信息矩阵的性质发现错设并开展稳健检验？
- 方法与思路
- 作者研究准极大似然估计量（QMLE）的极限与信息矩阵性质，据此构造容许模型错设的推断统计量和模型错设检验。
- 材料陈述的贡献
- 摘要称 QMLE 收敛到明确定义的极限，常规 Wald、LM 和 LR 检验在错设下无效，并给出稳健推断与错设检验统计量。
- 阅读关注点
- 重点核对 QMLE 极限与目标参数的关系、稳健统计量所需条件，以及信息矩阵检验的构造方式和适用范围。
- 阅读边界
- 摘要未说明确保收敛、稳健推断及错设检验有效的具体条件；不能判断 QMLE 对特定目标参数是否一致或检验的有限样本表现。
原文摘要
This paper examines the consequences and detection of model misspecification when using maximum likelihood techniques for estimation and inference. The quasi-maximum likelihood estimator (QMLE) converges to a well defined limit, and may or may not be consistent for particular parameters of interest. Standard tests (Wald, Lagrange Multiplier, or Likelihood Ratio) are invalid in the presence of misspecification, but more general statistics are given which allow inferences to be drawn robustly. The properties of the QMLE and the information matrix are exploited to yield several useful tests for model misspecification.