On the Existence and Uniqueness of the Maximum Likelihood Estimate of a Vector-Valued Parameter in Fixed-Size Samples
固定样本量下向量参数极大似然估计的存在性与唯一性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：摘要研究固定样本下极大似然估计的一般存在唯一性条件，未给出结构经济模型或其他所列领域细分的直接对象。
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…
固定样本量下向量参数极大似然估计的存在性与唯一性
- 研究问题
- 对于固定样本量的向量参数问题，似然函数满足哪些可检查的条件时，能够保证极大似然估计存在且唯一？
- 方法与思路
- 作者考察二次连续可微、在参数空间边界取常值的似然函数，并要求在梯度为零时 Hessian 矩阵负定，以建立存在唯一性结论。
- 材料陈述的贡献
- 摘要称，上述条件可保证极大似然估计存在且唯一，同时指出边界常值条件不能完全取消，并以若干例子说明理论。
- 阅读关注点
- 应核对参数空间的几何与边界条件、完整定理中的其他要求，以及驻点处负定条件如何支持全局结论和边界条件的必要性。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未完整列明参数空间条件或证明，不能仅凭驻点 Hessian 负定判断全局唯一。
原文摘要
The maximum likelihood estimate is shown to exist and to be unique if a twice continuously differentiable likelihood function is constant on the boundary of the parameter space and if the Hessian matrix is negative definite whenever the gradient vector vanishes. The condition of constancy on the boundary cannot be completely removed, cf. Tarone and Gruenhage (1975). The theory is illustrated with several examples.