Profile Likelihood and Conditionally Parametric Models
剖面似然与条件参数模型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：摘要讨论通用半参数似然估计，未明确涉及结构模型、因果效应或其他所列领域。
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
剖面似然与条件参数模型
- 研究问题
- 在半参数模型中，如何借助估计得到的一维最不利子问题构造广义剖面似然，从而有效估计标量参数分量？
- 方法与思路
- 作者先估计Stein意义下的一维最不利子问题，再沿该子问题构造标量参数的广义剖面似然，通过最大化得到估计。
- 材料陈述的贡献
- 摘要称提出估计半参数模型参数分量的一般思路，并在某一类半参数模型中证明所得估计量具有渐近效率。
- 阅读关注点
- 应核对最不利子问题的定义与估计方式，以及子问题估计误差的影响、效率界和渐近有效结论适用的模型类。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。一般思路主要围绕标量参数展开，效率结果仅针对特定模型类，不能推广到任意模型。
原文摘要
In this paper, we outline a general approach to estimating the parametric component of a semiparametric model. For the case of a scalar parametric component, the method is based on the idea of first estimating a one-dimensional subproblem of the original problem that is least favorable in the sense of Stein. The likelihood function for the scalar parameter along this estimated subproblem may be viewed as a generalization of the profile likelihood for the problem. The scalar parameter is then estimated by maximizing this "generalized profile likelihood." This method of estimation is applied to a particular class of semiparametric models, where it is shown that the resulting estimator is asymptotically efficient.