Weighted Likelihood Equations with Bootstrap Root Search
结合自助法根搜索的加权似然方程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：摘要讨论通用似然估计与稳健计算，未明确涉及给定的微观、宏观或金融细分问题。
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…
结合自助法根搜索的加权似然方程
- 研究问题
- 如何通过对似然方程加权，兼顾模型正确时的估计效率与偏离模型时的稳健性，并处理方程存在多个解的问题？
- 方法与思路
- 作者使用单峰权重函数降低不符合模型的观测影响，通过自助法搜索估计方程的根，并考察渐近与模拟性质。
- 材料陈述的贡献
- 摘要称，所得估计量具有一致性、渐近正态性和良好稳健性质，并用大量模拟及真实数据展示方法表现。
- 阅读关注点
- 应核对权重函数与模型偏离的度量、多个根的选择规则，以及效率结论、稳健性指标和自助搜索的计算代价。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件和根选择准则未说明，不能断言任意权重均兼具效率与稳健性。
原文摘要
We discuss a method of weighting likelihood equations with the aim of obtaining fully efficient and robust estimators. We discuss the case of continuous probability models using unimodal weighting functions. These weighting functions downweight observations that are inconsistent with the assumed model. At the true model, therefore, the proposed estimating equations behave like the ordinary likelihood equations. We investigate the number of solutions of the estimating equations via a bootstrap root search; the estimators obtained are consistent and asymptotically normal and have desirable robustness properties. An extensive simulation study and real data examples illustrate the operating characteristics of the proposed methodology.