Estimation When a Parameter is on a Boundary
参数位于边界时的估计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：摘要明确讨论随机趋势，并给出单位根与时间趋势参数处于边界的增广 Dickey–Fuller 回归例子，因此支持时间序列分类。
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
参数位于边界时的估计
- 研究问题
- 当真实参数落在参数空间的线性、弯曲或折角边界时，极值估计量的渐近分布如何变化，随机趋势又如何影响极限形式？
- 方法与思路
- 作者建立边界情形下极值估计的渐近理论，区分有无随机趋势的模型，并以随机系数回归的拟最大似然估计和增广 Dickey–Fuller 回归说明应用。
- 材料陈述的贡献
- 摘要称，无随机趋势时极限通常是多元正态分布的函数，有随机趋势时通常是多维布朗运动的函数，并涵盖多种边界形状。
- 阅读关注点
- 阅读全文时应核对参数空间局部几何与目标函数的条件、边界如何进入极限分布，以及零方差和单位根例子的推导与推断含义。
- 阅读边界
- 摘要未给出适用条件及可实施的检验或置信区间方案，也未说明各例的有限样本表现，不能直接套用常规正态近似。
原文摘要
This paper establishes the asymptotic distribution of extremum estimators when the true parameter lies on the boundary of the parameter space. The boundary may be linear, curved, and/or kinked. Typically the asymptotic distribution is a function of a multivariate normal distribution in models without stochastic trends and a function of a multivariate Brownian motion in models with stochastic trends. The results apply to a wide variety of estimators and models. Examples treated in the paper are: (1) quasi-ML estimation of a random coefficients regression model with some coefficient variances equal to zero and (2) LS estimation of an augmented Dickey-Fuller regression with unit root and time trend parameters on the boundary of the parameter space.