Likelihood-based inference under nonconvex boundary constraints
非凸边界约束下的似然推断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：摘要聚焦通用非凸约束下的似然渐近理论，所列应用不足以确定具体计量领域。
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…
非凸边界约束下的似然推断
- 研究问题
- 真实参数位于非凸参数空间的边界时，最大似然估计与似然比检验具有怎样的大样本性质，如何生成检验所需极限分布？
- 方法与思路
- 作者建立边界处最大似然估计的渐近理论，推导非凸约束下似然比统计量的极限分布，并提供通用蒙特卡洛生成程序。
- 材料陈述的贡献
- 摘要称给出估计和检验的理论结果，并用五个例子说明，涉及 Logistic 模型、遗传关联及成本和公平性约束回归。
- 阅读关注点
- 应核对非凸边界的局部几何与正则条件、估计量和检验的极限形式，以及蒙特卡洛程序所需输入与各例子的适用性。
- 阅读边界
- 所给 Crossref 摘要未列出参数空间条件或具体极限分布；不能默认所有非凸约束都被覆盖，也不能直接套用通常卡方近似。
原文摘要
Abstract Likelihood-based inference under nonconvex constraints on model parameters has become increasingly common in biomedical research. In this paper, we establish large-sample properties of the maximum likelihood estimator when the true parameter value lies at the boundary of a nonconvex parameter space. We further derive the asymptotic distribution of the likelihood ratio test statistic under nonconvex constraints on model parameters. A general Monte Carlo procedure for generating the limiting distribution is provided. The theoretical results are demonstrated by five examples in Anderson’s stereotype logistic regression model, genetic association studies, gene-environment interaction tests, cost-constrained linear regression and fairness-constrained linear regression.