The Asymptotic Distribution of Conditional Likelihood Ratio Tests
条件似然比检验的渐近分布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：摘要讨论通用附带参数与条件检验理论，未明确给出面板模型或经济结构模型，故暂不归类。
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
条件似然比检验的渐近分布
- 研究问题
- 在存在无限多个附带参数时，如何检验结构参数假设，并避免普通似然比统计量在许多此类情形下卡方近似失效的问题？
- 方法与思路
- 作者提出条件似然比检验，研究其大样本卡方近似，并讨论它与一致最强无偏检验理论的关系及覆盖范围。
- 材料陈述的贡献
- 摘要称，在相当一般的假设下，条件似然比检验可使用大样本卡方近似，且所给例子覆盖了 UMPU 方法之外的情形。
- 阅读关注点
- 应核对条件化对象、附带参数如何被处理、卡方近似的具体假设与自由度，以及相对 UMPU 方法的范围扩展。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出条件化构造与正则条件，不能据此认定其适用于任意附带参数问题或推断刊本变化。
原文摘要
A conditional likelihood ratio test for testing a hypothesis concerning structural parameters in the presence of infinitely many incidental parameters is suggested. It is shown that the usual X2 approximation to the log-likelihood ratio fails to work in many situations involving incidental parameters. In contrast it is shown that the X2 approximation can be used in large samples under fairly general assumptions if we use conditional likelihood ratio tests instead. The relationship between the theory of UMPU-test and conditional likelihood ratio tests is discussed, and some examples are given to show that the conditional likelihood ratio approach covers more cases than the UMPU approach.