Theory of Partial Likelihood
部分似然理论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：摘要明确将存在缺失片段的 AR 过程列为一般理论的应用情形。
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
部分似然理论
- 研究问题
- 基于部分似然的最大似然估计量在什么条件下具有一致性和渐近正态性，其渐近效率应如何计算？
- 方法与思路
- 作者建立一般渐近理论，提供一致性和渐近正态性的条件及效率计算方法，并考察随机过程、Cox 回归和缺段 AR 过程。
- 材料陈述的贡献
- 摘要称，论文给出部分似然估计的一般渐近框架，并通过多个特殊模型讨论其对具体统计推断的含义。
- 阅读关注点
- 应核对部分似然的构造、一般条件在各例中的验证方式，以及缺失片段 AR 过程中的效率计算与缺失设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断条件的具体强弱、效率比较基准及缺失机制，不能直接套用于任意部分似然。
原文摘要
A general asymptotic theory is developed for the maximum likelihood estimator based on a partial likelihood. Conditions are given for consistency and asymptotic normality, and a method is provided for the calculation of the asymptotic efficiency of the estimator. The implications of the general theory are examined in special cases such as inference in stochastic processes, Cox regression models, and AR processes with missing segments.