Likelihood for Statistically Equivalent Models
统计等价模型下的似然推断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：摘要属于一般似然与模型不确定性理论，未明确对应给定的应用领域或计量细分方向。
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
统计等价模型下的似然推断
- 研究问题
- 当多个模型对数据拟合同样良好时，似然推断对模型选择有多稳健，目标参数的定义又如何影响这种稳健性？
- 方法与思路
- 作者考察统计等价模型之间的似然推断稳健性，提出包络似然表达模型不确定性，并给出部分渐近理论与三个例子。
- 材料陈述的贡献
- 摘要称包络似然可纳入等价模型带来的不确定性，并指出推断稳健性关键地依赖于感兴趣参数如何被定义。
- 阅读关注点
- 阅读全文时应核对统计等价的正式定义、跨模型参数如何对应、包络似然的构造，以及渐近结论和三个例子的适用范围。
- 阅读边界
- 仅据 Crossref 摘要；等价标准、渐近条件及例子内容未详述，不能据此判断任意模型集合下的推断稳健性。
原文摘要
Summary In likelihood inference we usually assume that the model is fixed and then base inference on the corresponding likelihood function. Often, however, the choice of model is rather arbitrary, and there may be other models which fit the data equally well. We study robustness of likelihood inference over such ‘statistically equivalent’ models and suggest a simple ‘envelope likelihood’ to capture this aspect of model uncertainty. Robustness depends critically on how we specify the parameter of interest. Some asymptotic theory is presented, illustrated by three examples.