Acceptability and statistical inference
可接受性与统计推断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：摘要涉及统计推断的一般原则与估计量性质，没有对应所列经济计量领域细分的直接依据。
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
可接受性与统计推断
- 研究问题
- 以可接受性原则构造估计量时，可以获得哪些无偏性与渐近性质；作者建议的一致性新定义如何改变对估计量的判断？
- 方法与思路
- 作者提出可接受性原则及最可接受估计量，发展计算方法，分析中位数无偏、强一致和渐近正态条件，并另行提出一致性定义。
- 材料陈述的贡献
- 摘要称，所述渐近条件比最大似然估计的条件宽松，并给出两者一致性不同的例子；还讨论新定义下最大似然估计的强一致性。
- 阅读关注点
- 应核对可接受性的定义与计算、一致性新旧定义的差别，以及条件较宽松的具体比较和最大似然不一致例子的构造。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；原则定义和条件未提供，不能混同新旧一致性，也不能据此断言普遍优于最大似然。
原文摘要
The likelihood principle is criticized and the acceptability principle is enunciated. Most acceptable estimates are defined and some techniques for their calculation are developed. In the one-parameter case the most acceptable estimator is, under some conditions, median unbiased. Conditions for the strong consistency and asymptotic normality of the estimators are obtained. These are less stringent than those for the maximum likelihood estimator. An example is given where the maximum likelihood estimator is inconsistent, but the most acceptable estimator is strongly consistent. The usual definition of consistency is criticized and a new definition suggested. Any estimator whose acceptability is bounded away from zero as the sample size n tends to infinity is strongly consistent in the new sense. The maximum likelihood estimate is shown to have high acceptability under mild conditions. Hence under these conditions it is strongly consistent in the new sense.