Inference for means and covariances of point processes through estimating functions
通过估计函数推断点过程的均值与协方差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：摘要研究点过程的一般推断；纵向数据仅作为方法来源，尚不足以确定面板或高频金融分类。
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
通过估计函数推断点过程的均值与协方差
- 研究问题
- 如何在允许协变量的点过程或跳跃过程模型中，对边际均值及可能的协方差结构进行非似然推断？
- 方法与思路
- 作者借鉴纵向数据的无偏估计函数方法，对过程边际结构建模，提供稳健方差估计并研究最优线性估计函数。
- 材料陈述的贡献
- 摘要称给出一般的最优线性估计函数，并对混合 Poisson 过程进一步开展渐近效率研究和模拟分析。
- 阅读关注点
- 核对过程观测方式、均值与协方差设定、稳健方差有效的条件，以及最优性所依赖的信息和比较范围。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未给出稳健性的具体边界或模拟结果，不能推断对任意模型误设均有效。
原文摘要
Liang & Zeger (1986) introduced methodology for the analysis of longitudinal data that provides an alternative to likelihood-based inference. They considered modelling the marginal means of the response follow-up measures, and proposed the use of unbiased estimating functions to handle inference. Here we wish to do the same for point or jump processes. We consider parametric models for the marginal means, and possibly the covariance structures, of processes that allow covariates. Inference is performed with unbiased estimating functions and robust variance estimates are provided. The optimal linear estimating function is presented in general. The special case of mixed Poisson processes is discussed in further detail with an asymptotic efficiency study and simulations.