On the Efficiency of Empirical Characteristic Function Procedures
经验特征函数方法的效率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：摘要仅提供经验特征函数的一般推断与效率结论，没有所列经济计量细分方向的明确证据。
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
经验特征函数方法的效率
- 研究问题
- 基于经验特征函数构造的统计方法，在何种条件下具有渐近正态性，其效率能否达到摘要所称的任意高水平？
- 方法与思路
- 作者研究若干基于经验特征函数的新统计方法，在一般条件下建立渐近正态性和效率结果；具体方法构造摘要未说明。
- 材料陈述的贡献
- 摘要称，部分新方法具有渐近正态性和任意高的效率，但没有交代效率参照、可调机制或结果适用的模型范围。
- 阅读关注点
- 应核对统计方法的具体定义、效率的比较基准及一般条件，尤其确认任意高效率这一表述的数学含义和适用边界。
- 阅读边界
- 仅据所给 Crossref 简短摘要；方法、效率定义和条件均未展开，不能将任意高效率理解为无条件优于所有其他方法。
原文摘要
Summary The asymptotic normality and arbitrarily high efficiency of some new statistical procedures based on the empirical characteristic function is established under general conditions.