On Bahadur efficiency of empirical likelihood
经验似然的 Bahadur 效率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：摘要讨论矩条件检验的一般效率理论，没有明确对应所列具体领域的模型或应用。
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
经验似然的 Bahadur 效率
- 研究问题
- 在矩条件模型中，经验似然检验的 p 值能否在固定备择下达到最快衰减速度，这一性质能否推广至其他推断问题？
- 方法与思路
- 作者采用 Bahadur 效率准则研究经验似然过度识别检验，并进一步分析参数假设检验与集合推断问题。
- 材料陈述的贡献
- 摘要称，在温和正则条件下，经验似然过度识别检验具有 Bahadur 效率，并给出另外两类推断的类似结果。
- 阅读关注点
- 应核对正则条件、比较程序的范围和固定备择的定义，区分 p 值衰减效率与局部功效、有限样本表现。
- 阅读边界
- 仅据所列出版社摘要，无法确定所谓温和条件及最优性的具体比较范围，也不能据此认定其他效率意义上的最优。
原文摘要
This paper studies the Bahadur efficiency of empirical likelihood for testing moment condition models. It is shown that under mild regularity conditions, the empirical likelihood overidentifying restriction test is Bahadur efficient, i.e., its p-value attains the fastest convergence rate under each fixed alternative hypothesis. Analogous results are derived for parameter hypothesis testing and set inference problems.