Effects of data dimension on empirical likelihood
数据维度对经验似然的影响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：摘要研究一般高维经验似然理论，未明确关联所列经济计量应用方向。
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
数据维度对经验似然的影响
- 研究问题
- 高维多元数据中，维度增长与分量之间的依赖如何影响经验似然比的渐近正态性，以及允许的维度增长速度？
- 方法与思路
- 作者在一般多元模型下，通过协方差矩阵的迹与特征值刻画维度和分量依赖对经验似然渐近行为的影响。
- 材料陈述的贡献
- 摘要称，所得维度趋于无穷的允许增长速率改进了既有结果，并明确协方差结构影响经验似然的途径。
- 阅读关注点
- 应核对经验似然比的中心化与标准化方式、矩条件和谱条件，以及维度增长速率与既有结果比较的共同前提。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供速率、矩条件或标准化公式，不能判断具体高维数据是否满足结论。
原文摘要
We evaluate the effects of data dimension on the asymptotic normality of the empirical likelihood ratio for high-dimensional data under a general multivariate model. Data dimension and dependence among components of the multivariate random vector affect the empirical likelihood directly through the trace and the eigenvalues of the covariance matrix. The growth rates to infinity we obtain for the data dimension improve the rates of Hjort et al. (2008).