Difficulties in obtaining consistent estimators of variance parameters
获得方差参数一致估计量的困难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：摘要讨论多小样本下的通用干扰参数问题，未明确给出面板数据结构或其他所列方向。
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
获得方差参数一致估计量的困难
- 研究问题
- 大量小样本各有未知均值，且无法对均值施加假设或先验信息时，汇集样本信息能否一致估计方差参数？
- 方法与思路
- 作者在方差与均值平方成比例的情形研究边际似然，并考察积分似然、修正似然及部分条件似然的处理方法。
- 材料陈述的贡献
- 摘要称，特定方差函数下可由边际似然得到一致估计，但无法直接推广；其他方法为标准差较小时提供思路。
- 阅读关注点
- 应核对一致性采用的渐近框架、均值作为干扰参数造成的困难，以及各似然方法能推广的范围与近似条件。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；其他方差函数的具体障碍及一般情形的方法保证未说明。
原文摘要
This paper considers the estimation of variances by pooling information from a large number of small samples, when the means are nuisance parameters about which no assumptions or prior knowledge are available. When the variance is proportional to the square of the mean we obtain a consistent estimator from a marginal likelihood. However, this method cannot be generalized to other variance functions. Integrated likelihood, modified likelihood and partial conditional likelihood methods are investigated for this example and suggest methods for the general case when the standard deviation is small compared with the mean.