Concavity and Estimation
凹性与估计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：摘要讨论通用 M 估计渐近理论，未提供归入具体经济或金融领域的文本依据。
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
凹性与估计
- 研究问题
- 当 M 估计由独立同分布随机凹函数的样本平均最大化得到时，如何以较简洁的条件保证一致性和渐近正态性？
- 方法与思路
- 作者利用随机目标函数的凹性，提出保证 M 估计一致性及渐近正态性的简化条件，并将结果应用于极大似然估计。
- 材料陈述的贡献
- 摘要明确陈述的贡献是给出上述两类渐近性质的简化条件，并展示这些条件在极大似然估计中的应用。
- 阅读关注点
- 应核对凹性、独立同分布设定与其他正则条件如何配合，以及简化条件的具体内容和极大似然应用的覆盖范围。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；条件、协方差表达及证明均未提供，不能推断刊本变化。
原文摘要
Simplified conditions are given for consistency and asymptotic normality of $M$-estimates derived by maximization of averages of independent identically distributed random concave functions. Applications are made to maximum likelihood estimation.