Variance Reduction in Multiparameter Likelihood Models
多参数似然模型中的方差缩减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：摘要聚焦环境极值的局部似然估计，未涉及金融尾部风险或所列其他专门方向。
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
多参数似然模型中的方差缩减
- 研究问题
- 以多参数局部似然刻画环境样本极值的变化趋势时，如何缓解样本量较小导致的估计波动，提高推断的有限样本效率？
- 方法与思路
- 作者在多参数局部似然模型中引入方差缩减技术，以广义极值分布建模样本最大值，并通过模拟及年度最高气温应用评估。
- 材料陈述的贡献
- 摘要称方差缩减方法改善推断效率，模拟与气温应用显示良好的有限样本效果；材料未列出具体方法形式或改善幅度。
- 阅读关注点
- 应核对方差缩减如何作用于多个参数、与带宽选择的关系、可能的偏差变化，以及极值模型设定和有限样本比较方案。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供效率比较条件，环境极值应用也不能直接证明金融风险适用性。
原文摘要
Local likelihood modeling is a unified and effective approach to establishing the dependence of a response variable, which can be of various types, on independent variables. Therefore, these models have become popular in a wide range of applications. There is an increasing interest in employing multiparameter local likelihood models to investigate trends of sample extremes in environmental statistics. When sample maxima are modeled by a generalized extreme value distribution, the sample size is small in general and local likelihood estimation exhibits a large variation. In this article variance reduction techniques are employed to improve the efficiency of the inference. A simulation study and an application to annual maximum temperatures show that our methods are very effective in finite samples.