An alternative quasi likelihood approach, Bayesian analysis and data-based inference for model specification
模型可能误设时的替代拟似然、贝叶斯分析与模型设定推断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：摘要讨论通用拟似然及贝叶斯误设推断，没有明确对应给定细分的特定经济模型。
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
模型可能误设时的替代拟似然、贝叶斯分析与模型设定推断
- 研究问题
- 在模型可能误设时，如何从拟似然中提取有限但相关的信息，并建立经典推断与贝叶斯推断之间的大样本对应关系？
- 方法与思路
- 作者从给定拟似然构造有限信息拟似然LI-QL，研究相应后验与拟极大似然估计量的渐近关系，并开发模型设定分析方法。
- 材料陈述的贡献
- 摘要称LI-QL扩展了拟似然推断的稳健性范围，且其后验与对应估计量共享三明治型渐近二阶矩，可形成贝叶斯对应方法。
- 阅读关注点
- 应核对似然过滤的具体构造、有限信息的含义、先验与正则条件，以及三明治型二阶矩对应和模型设定分析的适用范围。
- 阅读边界
- 摘要未说明误设类型、具体推断问题或有限样本结果；共享渐近二阶矩不能单独证明后验区间在所有误设情形下均有效。
原文摘要
This paper studies an alternative quasi likelihood approach under possible model misspecification. We derive a filtered likelihood from a given quasi likelihood (QL), called a limited information quasi likelihood (LI-QL), that contains relevant but limited information on the data generation process. Our LI-QL approach, in one hand, extends robustness of the QL approach to inference problems for which the existing approach does not apply. Our study in this paper, on the other hand, builds a bridge between the classical and Bayesian approaches for statistical inference under possible model misspecification. We can establish a large sample correspondence between the classical QL approach and our LI-QL based Bayesian approach. An interesting finding is that the asymptotic distribution of an LI-QL based posterior and that of the corresponding quasi maximum likelihood estimator share the same “sandwich”-type second moment. Based on the LI-QL we can develop inference methods that are useful for practical applications under possible model misspecification. In particular, we can develop the Bayesian counterparts of classical QL methods that carry all the nice features of the latter studied in White (1982). In addition, we can develop a Bayesian method for analyzing model specification based on an LI-QL.