Modified profile likelihoods in models with stratum nuisance parameters
含分层干扰参数模型的修正剖面似然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：摘要讨论分层模型中大量干扰参数的通用似然理论，未明确将分层结构设定为面板数据或其他所列方向。
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
含分层干扰参数模型的修正剖面似然
- 研究问题
- 当分层数据的层内样本量与干扰参数维数同时增长时，修正剖面似然能否改善普通剖面似然的估计一致性和分布近似？
- 方法与思路
- 作者采用层内样本量与干扰参数维数同时趋于无穷的双指标渐近框架，比较普通和修正剖面似然的估计与统计量性质。
- 材料陈述的贡献
- 摘要称，修正剖面似然在一致性和渐近分布方面有所改善，并在比普通剖面似然更宽松的相对增长要求下获得通常的渐近分布。
- 阅读关注点
- 应核对修正项的构造、分层模型条件及两种增长要求的准确幂次，并区分估计一致性与检验统计量分布的结论。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；增长率表达中的幂次排版应查原 PDF 确认，具体修正形式和适用条件未提供。
原文摘要
It is well known, at least through many examples, that when there are many nuisance parameters modified profile likelihoods often perform much better than the profile likelihood. Ordinary asymptotics almost totally fail to deal with this issue. For this reason, we study asymptotic properties of the profile and modified profile likelihoods in models for stratified data in a two‐index asymptotics setting. This means that both the sample size of the strata, m, and the dimension of the nuisance parameter, q, may increase to infinity. It is shown that in this asymptotic setting modified profile likelihoods give improvements, with respect to the profile likelihood, in terms of consistency of estimators and of asymptotic distributional properties. In particular, the modified profile likelihood based statistics have the usual asymptotic distribution, provided that 1/m = o(q−1/3), while the analogous condition for the profile likelihood is 1/m = o(q−1).