Constrained local likelihood estimators for semiparametric skew-normal distributions
半参数偏正态分布的约束局部似然估计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：摘要讨论通用半参数密度和参数估计，未涉及所列分位数与分布效应等具体研究方向。
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
半参数偏正态分布的约束局部似然估计
- 研究问题
- 在半参数偏正态分布中，如何估计受到约束的非参数干扰函数，并据此有效估计目标参数、处理估计方程的多解问题？
- 方法与思路
- 作者构造不同于经典局部似然的约束优化目标，结合有效得分估计方程，并另提出广义剖面似然方法估计参数。
- 材料陈述的贡献
- 摘要称得分方法达到半参数效率界，剖面方法可在估计方程多解时提供唯一估计，且两类方法可扩展到偏对称分布。
- 阅读关注点
- 应核对干扰函数约束的具体形式、有效得分推导、效率界达到的条件，以及剖面似然唯一性和扩展结论的范围。
- 阅读边界
- 仅有版本未注明的索引摘要，未列明正则条件、平滑选择和唯一性要求，不能将效率或唯一性结论视为无条件成立。
原文摘要
A local likelihood estimator for a nonparametric nuisance function is proposed in the context of semiparametric skew-normal distributions. Constraints imposed on such functions result in a nonparametric estimator with a different target function for maximization from classical local likelihood estimators. The optimal asymptotic semiparametric efficiency bound on parameters of interest is achieved by using this estimator in conjunction with an estimating equation formed by summing efficient scores. A generalized profile likelihood approach is also proposed. This method has the advantage of providing a unique estimate in cases where an estimating equation has multiple solutions. Our nonparametric estimator of the nuisance function leads to an estimator of the semiparametric skew-normal density. Both the estimating equation and profile likelihood approaches are applicable to more general skew-symmetric distributions.