Extended empirical likelihood for estimating equations
估计方程的扩展经验似然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：摘要研究估计方程的通用经验似然理论，未明确指向因果、面板、时间序列或金融领域的具体问题。
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…
估计方程的扩展经验似然
- 研究问题
- 对于由估计方程定义的参数，如何将原有经验似然扩展到完整参数空间，同时保留其渐近性质并改善推断准确性？
- 方法与思路
- 作者构造覆盖完整参数空间的扩展经验似然，研究其与原经验似然的渐近关系，并提出易于使用的一阶扩展形式。
- 材料陈述的贡献
- 摘要称，在温和条件下，扩展方法保留原经验似然的全部渐近性质；一阶扩展形式使用方便，准确性明显高于原方法。
- 阅读关注点
- 应核对参数空间扩展的具体映射、所谓温和条件、保留的渐近性质，以及一阶方法准确性比较所用指标与适用情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；扩展公式、正则条件和准确性数值未说明，不能推断所有估计方程均适用。
原文摘要
We derive an extended empirical likelihood for parameters defined by estimating equations which generalizes the original empirical likelihood to the full parameter space. Under mild conditions, the extended empirical likelihood has all the asymptotic properties of the original empirical likelihood. The first-order extended empirical likelihood is easy to use and substantially more accurate than the original empirical likelihood.