A Neyman-Orthogonalization Approach to the Incidental Parameter Problem in Likelihood Models
似然模型偶然参数问题的 Neyman 正交化方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以含固定效应的面板数据和网络数据模型作为主要例子。
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…
似然模型偶然参数问题的 Neyman 正交化方法
- 研究问题
- 当面板或网络固定效应等干扰参数估计很不精确时，如何减轻其对目标参数估计与推断造成的影响？
- 方法与思路
- 作者在条件似然框架中构造任意指定阶数的正交估计方程，使关于干扰参数的前若干阶期望导数同时为零。
- 材料陈述的贡献
- 摘要称，该构造将目标估计量受干扰参数影响的项消除至指定阶数，并以团队生产固定效应模型作实证说明。
- 阅读关注点
- 应核对高阶正交方程的存在与计算条件、干扰参数收敛速度要求，以及正交阶数增加时的方差和计算代价。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出具体模型限制、渐近条件或高阶构造的可实施细节。
原文摘要
A popular approach to perform inference on a target parameter in the presence of nuisance parameters is to construct estimating equations that are orthogonal to the nuisance parameters, in the sense that their expected first derivative is zero. Such first-order orthogonalization allows the estimator of the nuisance parameters to converge at a slower-than-parametric rate. It may, however, not suffice when the nuisance parameters are very imprecisely estimated. Leading examples are models for panel and network data that feature fixed effects. In this paper, we show how, in the conditional-likelihood setting, estimating equations can be constructed that are orthogonal to any chosen order q, in that their leading q expected derivatives are zero. This yields estimators of target parameters that are unaffected by the presence of nuisance parameters to order q. In an empirical illustration, we apply our method to a fixed-effect model of team production.