On the Consistency of Nonlinear FIML
非线性完全信息极大似然估计的一致性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：摘要明确涉及非线性联立方程的完全信息极大似然估计与一致性，方法针对结构方程系统，因此选择结构估计方向。
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
非线性完全信息极大似然估计的一致性
- 研究问题
- 在非线性联立方程模型中，非线性完全信息极大似然估计的一致性是否必须依赖正态性，已有理论所用引理是否正确？
- 方法与思路
- 作者通过若干例子考察非线性联立方程中准极大似然估计的一致性，并检验已有正态性理论推导所依赖引理的陈述。
- 材料陈述的贡献
- 摘要称，即使模型明显偏离线性，正态性也不是一致性的必要条件；同时指出既有研究广泛使用的一个引理按当前表述不正确。
- 阅读关注点
- 阅读全文应核对例子的模型结构、分布设定和一致性证明，并定位被质疑引理的准确表述、错误所在及其影响范围。
- 阅读边界
- 摘要仅概括例子及引理问题，未给出替代条件或修正后的理论；不能由此认定任意非正态分布下均一致，或整套既有理论失效。
原文摘要
Examples are given which show that:(i) normality is not Necessary for the consistency of the quasi maximum likelihood estimator in the nonlinear simultaneous equations model (nonlinear FIML) even when there are major departures from linearity; and (ii) the lemma which is used extensively by Amemiya [2] in the theoretical development of the properties of nonlinear FIML under the assumption of normality is, as presently stated, incorrect.