Extending the scope of empirical likelihood
拓展经验似然的适用范围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：摘要研究一般经验似然方法及统计应用，未明确给出所列具体计量细分方向的研究对象。
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…
拓展经验似然的适用范围
- 研究问题
- 经验似然如何适应估计方程中的干扰参数插入估计、慢于平方根样本量的收敛速度，以及估计方程数量相对较多的情形？
- 方法与思路
- 作者在三个方向扩展经验似然理论，并针对插入估计导致渐近校准复杂的问题提出自助法近似，以生存分析和非参数例子说明。
- 材料陈述的贡献
- 摘要称扩展了经验似然可处理的估计设定，并提供自助法近似，以便在渐近分析难以直接用于校准时构造置信区域。
- 阅读关注点
- 应分别核对三个扩展的条件、估计方程数量与样本量的关系，以及自助法如何处理干扰参数和非标准收敛速度。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未给出维度增长限制、重抽样方案或覆盖率数值，不能认为扩展适用于任意高维问题。
原文摘要
This article extends the scope of empirical likelihood methodology in three directions: to allow for plug-in estimates of nuisance parameters in estimating equations, slower than $\sqrt{n}$-rates of convergence, and settings in which there are a relatively large number of estimating equations compared to the sample size. Calibrating empirical likelihood confidence regions with plug-in is sometimes intractable due to the complexity of the asymptotics, so we introduce a bootstrap approximation that can be used in such situations. We provide a range of examples from survival analysis and nonparametric statistics to illustrate the main results.