Diagnostic measures for empirical likelihood of general estimating equations
一般估计方程经验似然的诊断度量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：摘要属于经验似然和估计方程的通用诊断方法，未提供给定因果、面板、宏观或金融领域的直接分类依据。
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
一般估计方程经验似然的诊断度量
- 研究问题
- 使用一般估计方程的经验似然时，如何衡量单个观测的影响，并据此检验估计方程是否存在模型设定错误？
- 方法与思路
- 作者构造删例影响、局部影响与伪残差诊断，并以局部影响之和和伪残差过程建立拟合优度统计量。
- 材料陈述的贡献
- 摘要称，论文把观测影响诊断与估计方程设定检验结合起来，并通过模拟评价方法、用真实数据展示使用方式。
- 阅读关注点
- 应核对各诊断度量的定义、估计方程错设的备择范围、统计量校准方法，以及异常观测与系统性错设的区分。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；检验分布、有效性条件与模拟数值未说明，不能判断对各种错设的检测能力。
原文摘要
We develop diagnostic measures for assessing the influence of individual observations when using empirical likelihood with general estimating equations, and we use these measures to construct goodness-of-fit statistics for testing possible misspecification in the estimating equations. Our diagnostics include case-deletion measures, local influence measures and pseudo-residuals. Our goodness-of-fit statistics include the sum of local influence measures and the processes of pseudo-residuals. Simulation studies are conducted to evaluate our methods, and real datasets are analyzed to illustrate the use of our diagnostic measures and goodness-of-fit statistics.