Semi-Nonparametric Maximum Likelihood Estimation
半非参数最大似然估计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：摘要以未知密度的级数逼近与最大似然估计为核心，样本选择是所述应用，尚不足以对应目录中的特定细分方向。
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
半非参数最大似然估计
- 研究问题
- 当定义似然的多元密度形式未知时，如何继续使用有限维最大似然方法，并使模型参数和未知密度的多数特征获得一致估计？
- 方法与思路
- 作者用 Hermite 级数近似未知密度，再实施通常的有限维最大似然估计；级数长度随样本量增长，增长规则可以由数据决定。
- 材料陈述的贡献
- 摘要称，在级数长度随样本量增长的安排下，可一致估计参数和密度的几乎所有方面，并应用于存在样本选择的非线性回归。
- 阅读关注点
- 阅读全文应核对 Hermite 展开如何保证有效密度、级数增长规则与一致性条件，以及样本选择应用中似然构造和参数识别的方式。
- 阅读边界
- 摘要未说明级数增长的具体速率、密度估计所用收敛标准或样本选择机制，也未给出效率与有限样本结果，不能据此判断方法的普遍适用性。
原文摘要
Often maximum likelihood is the method of choice for fitting an econometric model to data but cannot be used because the correct specific ation of (multivariate) density that defines the likelihood is unknown. In this situation, simply put the density equal to a Hermite series and apply standard finite dimensional maximum likelihood methods. Model parameters and nearly all aspects of the unknown density itself will be estimated consistently provided that the length of the series increases with sample size. The rule for increasing series length can be data dependent. The method is applied to nonlinear regression with sample selection. Copyright 1987 by The Econometric Society.