Empirical likelihood in the presence of nuisance parameters
存在干扰参数时的经验似然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：摘要讨论经验似然和干扰参数的一般推断理论，未提供可归入所列计量领域细分的具体研究对象。
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
存在干扰参数时的经验似然
- 研究问题
- 经验似然比在包含干扰参数时，是否仍保留参数似然比的一阶卡方近似与Bartlett可校正性等高阶性质？
- 方法与思路
- 作者研究通过估计方程引入干扰参数的经验似然，分析似然比统计量有符号平方根的渐近展开及其非标准形式。
- 材料陈述的贡献
- 摘要称该展开的非标准形式意味着所研究的经验似然比统计量不能作Bartlett校正，区分了一阶近似与高阶校正性质。
- 阅读关注点
- 核对干扰参数的处理方式、估计方程与展开的正则条件，并确认不可校正结论针对的统计量形式及其适用范围。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；不能将结论推广至所有经验似然构造。具体展开、条件和替代校正方法未说明。
原文摘要
Empirical likelihood was introduced as a nonparametric analogue of ordinary parametric likelihood. It is well known that the empirical likelihood ratio statistic inherits a number of properties of the parametric likelihood ratio statistic, such as the aymptotic chi-squared distribution and Bartlett correctability. This raises the question of whether or not the same is true in the presence of nuisance parameters. Recent work by Qin & Lawless (1994) indicates that the chi-squared distribution is still valid to first order. We show that, when nuisance parameters are present, as introduced via a system of estimating equations, the asymptotic expansion for the signed square root of the empirical likelihood ratio statistic has a nonstandard form. This implies that the empirical likelihood ratio statistic itself does not permit a Bartlett correction. Keywords:Accuracy; Bartlett correction; Edgeworth expansion; Empirical likelihood; General estimating equation; Likelihood inference; Likelihood ratio test; Martingale inference.