Comparison of parametric and empirical likelihood functions
参数似然与经验似然函数的比较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：摘要讨论一般似然理论与光滑均值泛函，未提供足以归入所列应用方向的文本依据。
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…
参数似然与经验似然函数的比较
- 研究问题
- 当目标泛函是向量均值的光滑函数时，参数似然与经验似然的曲面有多接近，其差异体现在哪些渐近阶次上？
- 方法与思路
- 作者分别构造参数与非参数对数似然的一阶、二阶展开，比较差异阶次，并讨论指数族和参数最不利族的联系。
- 材料陈述的贡献
- 摘要称，两类似然曲面一般未必一阶一致；某些指数族下分布意义上较接近，经验似然还可解释为特定参数似然的近似。
- 阅读关注点
- 应核对展开所需的光滑性与概率条件、差异阶次的定义，以及哪些指数族和最不利族支持摘要中的近似解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；展开条件与误差表达式未提供，不能判断适用范围或刊本变化。
原文摘要
In this paper, parametric and empirical likelihood functions or surfaces are compared. In particular, first- and second-order expansions for log likelihood functions are developed in nonparametric and parametric situations, where the functional of interest is a smooth function of vector means. The two approaches are compared and the precise order of difference between the nonparametric and parametric log likelihood functions is obtained. In general, the surfaces need not agree to first order. However, in certain exponential family models, the surfaces are quite close in a distributional sense. Moreover, empirical likelihood can be thought of as an approximation to a true parametric likelihood based on a parametric least favourable family.