A SIMPLE ITERATIVE Z-ESTIMATOR FOR SEMIPARAMETRIC MODELS
半参数模型的简易迭代 Z 估计量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：核心是通用半参数计算与渐近理论，分位数和 GARCH 仅为示例，不足以确定专门领域。
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
半参数模型的简易迭代 Z 估计量
- 研究问题
- 当半参数模型的 Z 估计量难以直接求解时，能否仅使用较易计算的局部曲率信息，获得具有可靠渐近性质的估计？
- 方法与思路
- 作者提出仅利用 Hessian 部分曲率信息的迭代算法，在正则条件与信息占优条件下分析其一致性和渐近正态性。
- 材料陈述的贡献
- 摘要称该算法将分部最大化思路扩展到半参数模型，并以协变量缺失的分位数回归及半参数 GARCH-in-mean 示范。
- 阅读关注点
- 核对信息占优条件的具体含义、迭代停止规则及初值要求，并区分算法收敛与所得估计量渐近性质的证明。
- 阅读边界
- 所给 Crossref 摘要未说明条件细节、计算成本或有限样本误差，两个应用例子不足以证明算法适用于所有半参数模型。
原文摘要
We propose a new iterative estimation algorithm for use in semiparametric models where calculation of Z-estimators by conventional means is difficult or impossible. Unlike a Newton–Raphson approach, which makes use of the entire Hessian, this approach only uses curvature information associated with portions of the Hessian that are relatively easy to calculate. Consistency and asymptotic normality of estimators obtained from this algorithm are established under regularity conditions and an information dominance condition. Two specific examples, a quantile regression model with missing covariates and a GARCH-in-mean model with conditional mean of unknown functional form, demonstrate the applicability of the algorithm. This new approach can be interpreted as an extension of the maximization by parts estimation approach to semiparametric models.