Subvector inference when the true parameter vector may be near or at the boundary
真实参数接近或位于边界时的子向量推断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：摘要明确将方法应用于欧洲汽车市场的随机系数logit模型，该应用直接涉及离散选择和结构估计，因此选择这两个方向。
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
真实参数接近或位于边界时的子向量推断
- 研究问题
- 当参数空间约束使极值估计量在边界附近不再渐近正态时，如何构造具有一致尺寸控制和良好局部功效的子向量检验？
- 方法与思路
- 作者提出边界附近仍渐近正态的新估计量，即使目标函数在参数空间外没有定义，也可据此实施条件似然比统计量检验。
- 材料陈述的贡献
- 摘要称新检验控制渐近尺寸并具有良好局部功效，标量目标参数下有一定最优性；汽车市场应用中，多数参数的区间更紧。
- 阅读关注点
- 应核对新估计量如何避开边界非正态性、一致尺寸控制的参数范围、标量最优性的准则，以及随机系数logit应用的实施细节。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体正则条件和最优性范围；应用中的区间更紧也不足以单独证明有限样本覆盖率更好。
原文摘要
Extremum estimators are not asymptotically normally distributed when the estimator satisfies the restrictions on the parameter space – such as the non-negativity of a variance parameter – andthe true parameter vector is near or at the boundary. This possible lack of asymptotic normality makes it difficult to construct tests for testing subvector hypotheses that control asymptotic size in a uniform sense and have good local asymptotic power irrespective of whether the true parameter vector is at, near, or far from the boundary. We propose a novel estimator that is asymptotically normally distributed even when the true parameter vector is near or at the boundary and the objective function is not defined outside the parameter space. The proposed estimator allows the implementation of a new test based on the Conditional Likelihood Ratio statistic that is easy-to-implement, controls asymptotic size, and has good local asymptotic power properties. Furthermore, we show that the test enjoys certain asymptotic optimality properties when the parameter of interest is scalar. In an application of the random coefficients logit model (Berry, Levinsohn and Pakes, 1995) to the European car market, we find that, for most parameters, the new test leads to tighter confidence intervals than the two-sided t-test commonly used in practice.