Statistical Estimation in Generalized Multiparameter Likelihood Models
广义多参数似然模型的统计估计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：摘要是通用半参数似然估计，动态结构变化的表述不足以支持时间序列或宏观结构变化分类。
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…
广义多参数似然模型的统计估计
- 研究问题
- 多参数似然模型如何兼顾多个协变量与变化的结构，并在缓解维数问题的同时估计参数和非参数组成部分？
- 方法与思路
- 作者建立包含部分线性与变系数模型的广义框架，采用两步估计、数据驱动带宽选择与稳定初值，并识别常数参数。
- 材料陈述的贡献
- 摘要称参数部分达到通常的参数估计收敛速度，非参数部分具有适应性，并用模拟与中国婴儿死亡率数据展示方法。
- 阅读关注点
- 核对模型如何降低维数、适应性的精确定义、两步估计与剖面似然的关系，以及自动识别常数参数的理论条件。
- 阅读边界
- 所据为版本未注明的索引摘要；摘要未说明协变量维数增长范围及结构变化的具体含义，不能直接视为宏观结构突变方法。
原文摘要
Multiparameter likelihood models (MLMs) with multiple covariates have a wide range of applications; however, they encounter the “curse of dimensionality” problem when the dimension of the covariates is large. We develop a generalized multiparameter likelihood model that copes with multiple covariates and adapts to dynamic structural changes well. It includes some popular models, such as the partially linear and varying-coefficient models, as special cases. We present a simple, effective two-step method to estimate both the parametric and the nonparametric components when the model is fixed. The proposed estimator of the parametric component has the n −1/2convergence rate, and the estimator of the nonparametric component enjoys an adaptivity property. We suggest a data-driven procedure for selecting the bandwidths, and propose an initial estimator in profile likelihood estimation of the parametric part to ensure stability of the approach in general settings. We further develop an automatic procedure to identify constant parameters in the underlying model. We provide a simulation study and an application to infant mortality data of China to demonstrate the performance of our proposed method.