Random Sieve Likelihood and General Regression Models
随机筛似然与一般回归模型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：摘要提出一般半参数回归方法，所列随机效应和删失实例不足以明确归入某个经济计量细分方向。
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
随机筛似然与一般回归模型
- 研究问题
- 在回归函数已知但误差、潜在变量与解释变量的联合分布未指定的半参数模型中，如何同时估计参数向量和未知分布？
- 方法与思路
- 作者在随机水平集上构造剖面似然，形成随机筛方法，并讨论其与经验似然的关系及多个回归和随机效应模型实例。
- 材料陈述的贡献
- 摘要称，该方法比经验似然具有更广泛的适用性，四类实例、模拟和渐近分析支持其用途；摘要未列出具体比较条件。
- 阅读关注点
- 应核对随机水平集和筛的构造、参数与未知分布的识别要求，以及渐近结果和经验似然适用范围比较的具体边界。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未给出具体渐近结论、识别条件或模拟数值，不能据此判断所有半参数回归中的有效性。
原文摘要
Consider a semiparametric regression model Y = f(θ, X, ϵ), where f is a known function, θ is an unknown vector, ϵ consists of a random error and possibly of some unobserved variables, and the distribution F(·) of (ϵ, X) is unspecified. This article introduces, in a general setting, new methodology for estimating θ and F(·). The proposed method constructs a profile likelihood defined on random-level sets (a random sieve). The proposed method is related to empirical likelihood but is more generally applicable. Four examples are discussed, including a quadratic model, high-dimensional semiparametric regression, a nonparametric random-effects model, and linear regression with right-censored data. Simulation results and asymptotic analysis support the utility and effectiveness of the proposed method.