Coordinate Based Empirical Likelihood-Like Estimation in Ill-Conditioned Inverse Problems
病态逆问题中基于坐标的类经验似然估计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：摘要研究通用半参数回归与病态设计矩阵的估计方法，未明确涉及结构经济模型或其他所列专门领域。
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…
病态逆问题中基于坐标的类经验似然估计
- 研究问题
- 在底层概率分布未指定的半参数回归中，如何缓解设计矩阵病态造成的估计问题，同时保留大样本推断能力？
- 方法与思路
- 作者结合经验似然与信息论估计推断构造极值估计量，以平方误差损失评价有限样本表现，并开展大规模蒙特卡洛实验。
- 材料陈述的贡献
- 摘要称估计量可被设计为一致且渐近正态，并支持卡方型推断；在病态设计的模拟中，其平方误差风险低于传统比较方法。
- 阅读关注点
- 应核对坐标构造、目标函数和病态程度的定义，以及保证一致性与渐近正态的条件和模拟中的比较方法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；估计量具体形式、理论条件及风险数值未给出，模拟优势不能推广至所有逆问题。
原文摘要
In the context of a semiparametric regression model with underlying probability distribution unspecified, an extremum estimator formulation is proposed that makes use of empirical likelihood and information theoretic estimation and inference concepts to mitigate the problem of an ill-conditioned design matrix. A squared error loss measure is used to assess estimator performance in finite samples. In large samples, the estimator can be designed to be consistent and asymptotically normal, so that limiting chi-squared distributions provide a basis for hypothesis tests and confidence intervals. Empirical risk results based on a large-scale Monte Carlo sampling experiment suggest that the estimator has, relative to traditional competitors, superior finite-sample properties under a squared error loss measure when the design matrix is ill-conditioned.