Local likelihood estimation of truncated regression and its partial derivatives: Theory and application
截断回归及其偏导数的局部似然估计：理论与应用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：摘要研究通用截断回归的局部似然估计，未明确涉及离散选择、因果效应或结构模型，不足以据此指定具体领域细分。
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…
截断回归及其偏导数的局部似然估计：理论与应用
- 研究问题
- 在截断回归中，如何灵活估计回归关系及其偏导数，减少对参数形式的依赖，并应对非线性和误差分布设定偏离？
- 方法与思路
- 作者将局部最大似然理论用于截断回归，提出灵活估计量，给出渐近结果，并通过模拟和真实数据考察其表现。
- 材料陈述的贡献
- 摘要称参数假设正确时该估计量表现与全参数方法相当，假设偏离且维数问题不突出时表现更好，并对多种设定偏离较稳健。
- 阅读关注点
- 应核对截断机制、局部似然构造、偏导数估计和渐近条件，尤其查看无需参数假设的确切含义及维数对估计表现的影响。
- 阅读边界
- 仅据所给出版社摘要，无法判断稳健性的具体边界；比较结论附带维数限制，摘要未说明完整条件、实际应用对象和数值结果。
原文摘要
In this paper we propose a very flexible estimator in the context of truncated regression that does not require parametric assumptions. To do this, we adapt the theory of local maximum likelihood estimation. We provide the asymptotic results and illustrate the performance of our estimator on simulated and real data sets. Our estimator performs as well as the fully parametric estimator when the assumptions for the latter hold, but as expected, much better when they do not (provided that the curse of dimensionality problem is not the issue). Overall, our estimator exhibits a fair degree of robustness to various deviations from linearity in the regression equation and also to deviations from the specification of the error term. So the approach should prove to be very useful in practical applications, where the parametric form of the regression or of the distribution is rarely known.