Wilks’ theorem for semiparametric regressions with weakly dependent data
弱依赖数据半参数回归的 Wilks 定理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：摘要明确对平稳弱依赖序列建模，使用过去观测及协变量解释条件均值与方差，属于时间序列方法。
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…
弱依赖数据半参数回归的 Wilks 定理
- 研究问题
- 对平稳弱依赖序列的半参数均值与参数化条件方差模型，如何构造经验似然推断，并控制未知函数估计的影响？
- 方法与思路
- 作者采用部分线性单指数条件均值和参数化条件方差，构造刻画模型的矩方程，并将非参数估计代入经验似然比。
- 材料陈述的贡献
- 摘要称所得经验对数似然比的渐近行为如同相关未知函数已知，从而扩展该类弱依赖模型的经验似然推断。
- 阅读关注点
- 应核对平稳与弱依赖条件、矩方程的有效性、非参数估计要求，以及 Wilks 结论的准确分布和自由度。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；具体正则条件和极限分布未列出，不能推广至所有弱依赖模型。
原文摘要
The empirical likelihood inference is extended to a class of semiparametric models for stationary, weakly dependent series. A partially linear single-index regression is used for the conditional mean of the series given its past, and the present and past values of a vector of covariates. A parametric model for the conditional variance of the series is added to capture further nonlinear effects. We propose suitable moment equations which characterize the mean and variance model. We derive an empirical log-likelihood ratio which includes nonparametric estimators of several functions, and we show that this ratio behaves asymptotically as if the functions were given.