Efficient estimation for a subclass of shape invariant models
一类形状不变模型的有效估计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：摘要研究周期函数的半参数配准估计，未明确涉及时间序列依赖、面板结构或其他所列方向。
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
一类形状不变模型的有效估计
- 研究问题
- 对固定数量、共享未知形状但相位与振幅不同的周期函数，如何有效估计有限维参数，同时恢复共同的函数形状？
- 方法与思路
- 作者在形状不变半参数模型中结合剖面似然与 Fourier 基，估计相位和振幅参数，并由该程序进一步估计未知共同形状。
- 材料陈述的贡献
- 摘要称有限维相位与振幅估计具有渐近效率，同时得到共同形状的一致且渐近线性估计量，覆盖参数与函数两类目标。
- 阅读关注点
- 应核对相位、振幅与共同形状的可识别性约束、观测和噪声结构，以及 Fourier 截断规则与渐近效率成立的条件。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；模型子类、观测机制和正则条件未提供，周期函数设定本身不能证明适用于一般时间序列。
原文摘要
In this paper, we observe a fixed number of unknown 2π-periodic functions differing from each other by both phases and amplitude. This semiparametric model appears in literature under the name “shape invariant model.” While the common shape is unknown, we introduce an asymptotically efficient estimator of the finite-dimensional parameter (phases and amplitude) using the profile likelihood and the Fourier basis. Moreover, this estimation method leads to a consistent and asymptotically linear estimator for the common shape.