Effciency of Covariance Matrix Estimators for Maximum Likelihood Estimation
极大似然估计中协方差矩阵估计量的效率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：摘要研究一般极大似然估计后的协方差估计效率与模拟计算，未提供所列应用领域的直接依据，因此暂不分类。
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
极大似然估计中协方差矩阵估计量的效率
- 研究问题
- 在极大似然估计之后，如何有效估计参数估计量的协方差矩阵？条件信息矩阵的效率优势能否通过可计算的模拟近似实现？
- 方法与思路
- 作者建议用模拟近似条件信息矩阵中难以计算的积分，并提出两种模拟方差估计量，通过蒙特卡洛实验考察置信区间覆盖率。
- 材料陈述的贡献
- 摘要称条件信息矩阵估计量达到方差估计的半参数效率界；蒙特卡洛结果提示，所提模拟估计量可提供较准确的区间覆盖率。
- 阅读关注点
- 核对条件信息矩阵的定义、效率界的适用条件、两种模拟方案及计算开销，并检查区间覆盖率的比较基准与模拟误差。
- 阅读边界
- 摘要未说明正则条件、模拟次数及比较模型；效率结论针对方差估计问题，不能据此推断参数点估计本身更有效。
原文摘要
When econometric models are estimated by maximum likelihood, the conditional information matrix variance estimator is usually avoided in choosing a method for estimating the variance of the parameter estimate. However, the conditional information matrix estimator attains the semiparametric efficiency bound for the variance estimation problem. Unfortunately, for even moderately complex models, the integral involved in computation of the conditional information matrix estimator is prohibitively difficult to solve. Simulation is suggested to approximate the integral, and two simulation variance estimators are proposed. Monte Carlo results suggest these estimators are attractive in providing accurate confidence interval coverage rates compared to the standard maximum likelihood variance estimators.