AN AVERAGING ESTIMATOR FOR TWO-STEP M-ESTIMATION IN SEMIPARAMETRIC MODELS
半参数模型两步 M 估计的平均估计量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：摘要研究一般半参数两步 M 估计的组合与风险性质，未明确面板、因果、时间序列或金融领域的专门对象。
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
半参数模型两步 M 估计的平均估计量
- 研究问题
- 在第一步含潜在无限维干扰参数的两步 M 估计中，如何组合参数化与非参数化估计，以改善渐近二次风险？
- 方法与思路
- 作者平均使用非参数第一步的半参数估计量和施加参数限制的估计量，以最优渐近风险权重的样本对应量确定权重。
- 材料陈述的贡献
- 摘要称在 Stein 型条件及所述生成过程类下，截断二次风险差具有有利的渐近上下界，并以实例展示估计和推断。
- 阅读关注点
- 应核对 Stein 型条件、参数限制错设的范围、截断风险及上下界的定义，并查看数据依赖权重如何进入推断。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将渐近截断风险结论扩展为任意损失或有限样本优势，具体条件及版本变化未说明。
原文摘要
In a two-step extremum estimation (M-estimation) framework with a finite-dimensional parameter of interest and a potentially infinite-dimensional first-step nuisance parameter, this paper proposes an averaging estimator that combines a semiparametric estimator based on a nonparametric first step and a parametric estimator which imposes parametric restrictions on the first step. The averaging weight is an easy-to-compute sample analog of an infeasible optimal weight that minimizes the asymptotic quadratic risk. Under Stein-type conditions, the asymptotic lower bound of the truncated quadratic risk difference between the averaging estimator and the semiparametric estimator is strictly less than zero for a class of data generating processes that includes both correct specification and varied degrees of misspecification of the parametric restrictions, and the asymptotic upper bound is weakly less than zero. The averaging estimator, along with an easy-to-implement inference method, is demonstrated in an example.