On Asymptotically Efficient Estimation in Semiparametric Models
半参数模型中的渐近有效估计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：摘要仅提供一般半参数效率理论，没有足够文本依据归入任何所列应用领域细分。
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
半参数模型中的渐近有效估计
- 研究问题
- 如何为半参数模型构造渐近有效估计量，并放宽既有自适应估计构造所要求的条件，使方法具有更广的适用性？
- 方法与思路
- 作者提出一种一般构造方法，对 Bickel 的既有自适应估计构造作修改与改进；摘要未说明具体步骤或所需初始估计。
- 材料陈述的贡献
- 摘要称新构造在比所比较方法更弱的条件下获得渐近有效估计，但未具体列出被放宽的条件与适用模型。
- 阅读关注点
- 应核对效率界、估计量构造和干扰参数处理，并逐项比较新旧条件，以确定所谓条件更弱的准确范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列模型、正则条件或证明，不能据此断言有限样本优势或普遍适用性。
原文摘要
A general method for the construction of asymptotically efficient estimates in semiparametric models is presented. It improves and modifies Bickel's (1982) construction of adaptive estimates and obtains asymptotically efficient estimates under conditions weaker than those in Bickel.