SEMIPARAMETRIC IDENTIFICATION AND FISHER INFORMATION
半参数识别与费舍尔信息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：摘要以通用半参数识别理论为主，虽含经济模型例子，仍不足以归入某个特定领域细分。
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
半参数识别与费舍尔信息
- 研究问题
- 如何用统计信息衡量半参数模型中参数识别的性质，并区分常规识别、非常规识别及估计速度的限制？
- 方法与思路
- 作者先分析密度对无限维参数呈线性的模型，再引入广义费舍尔信息，联系识别条件与估计速度的不可能性结果。
- 材料陈述的贡献
- 摘要称，广义信息为正可在其他条件下推出识别，为零则产生估计速度限制；并以支付意愿和欧拉方程等例子说明。
- 阅读关注点
- 应核对广义信息的定义、从信息为正到识别所需的其他条件，以及常规信息为零时识别与估计速度之间的区别。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断各识别条件和速度限制的精确范围，也不能推断其他版本或刊本的变化。
原文摘要
This paper provides a systematic approach to semiparametric identification that is based on statistical information as a measure of its “quality.” Identification can be regular or irregular, depending on whether the Fisher information for the parameter is positive or zero, respectively. I first characterize these cases in models with densities linear in an infinite-dimensional parameter. I then introduce a novel “generalized Fisher information.” If positive, it implies (possibly irregular) identification when other conditions hold. If zero, it implies impossibility results on rates of estimation. Three examples illustrate the applicability of the general results. First, I consider the canonical example of average densities. Second, I show irregular identification of the median willingness to pay in contingent valuation studies. Finally, I study identification of the discount factor and average measures of risk aversion in a nonparametric Euler equation with nonparametric measurement error in consumption.