Optimal estimation under nonstandard conditions
非标准条件下的最优估计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：摘要明确将单位根及其他非平稳时间序列作为非标准渐近理论的应用对象。
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
非标准条件下的最优估计
- 研究问题
- 当模型不满足局部渐近正态条件、例如含单位根的非平稳时间序列时，最大似然估计还能具有什么最优性，并如何联系后验正态性？
- 方法与思路
- 作者将 Hájek–Le Cam 最优性理论扩展至非标准情形，在局部渐近二次框架中研究特定单调碗形损失的期望与后验极限。
- 材料陈述的贡献
- 摘要称，在所研究的局部渐近二次情形中，最大似然估计最小化特定损失的期望，并建立后验渐近正态与经典最优性的联系。
- 阅读关注点
- 应核对局部渐近二次结构、损失函数与比较估计量的范围，以及最优性的精确定义和后验正态性连接所需的条件。
- 阅读边界
- 仅据所给出版社摘要，不能将结论理解为最大似然在全部非标准模型和任意损失下均最优；具体正则条件与证明未说明。
原文摘要
We analyze optimality properties of maximum likelihood (ML) and other estimators when the problem does not necessarily fall within the locally asymptotically normal (LAN) class, therefore covering cases that are excluded from conventional LAN theory such as unit root nonstationary time series. The classical Hájek–Le Cam optimality theory is adapted to cover this situation. We show that the expectation of certain monotone “bowl-shaped” functions of the squared estimation error are minimized by the ML estimator in locally asymptotically quadratic situations, which often occur in nonstationary time series analysis when the LAN property fails. Moreover, we demonstrate a direct connection between the (Bayesian property of) asymptotic normality of the posterior and the classical optimality properties of ML estimators.