Multiple robustness in factorized likelihood models
因子化似然模型中的多重稳健性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：多重稳健性在此是一般似然模型理论，摘要未明确提出因果参数或其他所列领域目标。
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…
因子化似然模型中的多重稳健性
- 研究问题
- 当似然分解为多个变异独立的因子，且目标参数仅依赖其中一个因子时，如何构造允许部分辅助模型正确的估计函数？
- 方法与思路
- 作者研究非参数及半参数模型中的一般结构，利用多个降维工作模型构造多重稳健估计函数，并考察其零均值性质。
- 材料陈述的贡献
- 摘要称在所研究结构下，只要多个工作模型中有一个正确，估计函数在真实参数处即可具有零均值，为多重稳健构造提供框架。
- 阅读关注点
- 应核对似然因子的变异独立性、目标参数与干扰函数的关系，以及一个模型正确这一条件对应哪些具体模型组合。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断其他版本变化。摘要仅明确零均值性质，未说明具体应用、效率保证或完整推断条件。
原文摘要
We consider inference under a nonparametric or semiparametric model with likelihood that factorizes as the product of two or more variation-independent factors. We are interested in a finite-dimensional parameter that depends on only one of the likelihood factors and whose estimation requires the auxiliary estimation of one or several nuisance functions. We investigate general structures conducive to the construction of so-called multiply robust estimating functions, whose computation requires postulating several dimension-reducing models but which have mean zero at the true parameter value provided one of these models is correct.