Asymptotically optimal estimation of smooth functionals for interval censoring, case $2$
第二类区间删失下光滑泛函的渐近最优估计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：摘要属于区间删失与半参数效率理论，未明确研究分位数效应、因果关系或其他所列经济计量方向。
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
第二类区间删失下光滑泛函的渐近最优估计
- 研究问题
- 在观测区间可以任意缩小的第二类区间删失模型中，如何刻画光滑泛函的信息下界，并建立相应估计的渐近效率？
- 方法与思路
- 作者沿 Hellinger 可微路径研究泛函，以观测空间的典范梯度刻画信息下界，并通过积分方程及其扩展分析估计量。
- 材料陈述的贡献
- 摘要称典范梯度可由非标准积分方程隐式表示，扩展方程适用于离散分布函数，并用于推导非参数极大似然的相关渐近结论。
- 阅读关注点
- 核对观察机制、泛函可微性和积分方程解的条件，尤其确认渐近正态与效率结论针对哪些泛函或估计对象。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；完整条件未提供，不能将所述结论解释为整个分布函数估计均有相同正态收敛性质。
原文摘要
For a version of the interval censoring model, case 2, in which the observation intervals are allowed to be arbitrarily small, we consider estimation of functionals that are differentiable along Hellinger differentiable paths. The asymptotic information lower bound for such functionals can be represented as the squared $L_{2}$-norm of the canonical gradient in the observation space. This canonical gradient has an implicit expression as a solution of an integral equation that does not belong to one of the standard types. We study an extended version of the integral equation that can also be used for discrete distribution functions like the nonparametric maximum likelihood estimator (NPMLE) , and derive the asymptotic normality and efficiency of the NPMLE from properties of the solutions of the integral equations.