SOME CONVERGENCE THEORY FOR ITERATIVE ESTIMATION PROCEDURES WITH AN APPLICATION TO SEMIPARAMETRIC ESTIMATION
迭代估计程序的收敛理论及其半参数估计应用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：摘要明确以半参数二元响应模型为应用，直接对应离散选择；一般迭代理论本身不额外细分。
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
迭代估计程序的收敛理论及其半参数估计应用
- 研究问题
- 有限维参数的迭代估计在什么一般条件下具有可描述的收敛速度与极限分布，这套理论如何用于半参数二元响应模型？
- 方法与思路
- 作者以渐近压缩映射条件为核心建立迭代程序的收敛理论，并推导半参数二元响应模型中两阶段迭代估计量的极限分布。
- 材料陈述的贡献
- 摘要称，论文给出迭代估计收敛速度与分布收敛的一般条件，并用二元响应模型和模拟展示第一阶段迭代估计的计算收益。
- 阅读关注点
- 应核对压缩条件的具体形式、初始值与迭代次数的要求，以及两阶段估计误差如何传递到最终参数的极限分布。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；具体收敛条件、迭代次数及计算收益数值未说明，不能认定任意迭代算法均适用或推断版本变化。
原文摘要
We develop general conditions for rates of convergence and convergence in distribution of iterative procedures for estimating finite-dimensional parameters. An asymptotic contraction mapping condition is the centerpiece of the theory. We illustrate some of the results by deriving the limiting distribution of a two-stage iterative estimator of regression parameters in a semiparametric binary response model. Simulation results illustrating the computational benefits of the first-stage iterative estimator are also reported.We thank a co-editor and two referees for comments and criticisms that led to significant improvements in this paper. We also thank Roger Klein for providing us with Gauss code to compute his estimator.