Fourth order pseudo maximum likelihood methods
四阶伪最大似然方法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：摘要讨论通用伪最大似然理论与数值积分，未明确对应所列经济或金融领域细分。
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…
四阶伪最大似然方法
- 研究问题
- 如何在不指定完整条件分布的情况下，将条件矩信息扩展到四阶用于伪最大似然估计，并解决相关数值计算问题？
- 方法与思路
- 作者利用四次指数族，将已有二阶相关伪似然方法扩展为 PML4 与 QGPML2，建立渐近理论并采用 Gauss–Freud 积分。
- 材料陈述的贡献
- 摘要称，该框架能够利用至多四阶条件矩信息，数值积分方案解决相应计算问题，模拟展示了方法的可行性与稳健性。
- 阅读关注点
- 应核对四阶矩的可行范围、指数族参数与矩的对应关系、渐近理论条件，以及积分误差和模拟中的稳健性标准。
- 阅读边界
- 仅据所给出版社摘要，无法判断所需矩条件、存在唯一性及数值稳定范围；模拟所称稳健性不构成普遍的抗误设保证。
原文摘要
We extend PML theory to account for information on the conditional moments up to order four, but without assuming a parametric model, to avoid a risk of misspecification of the conditional distribution. The key statistical tool is the quartic exponential family, which allows us to generalize the PML2 and QGPML1 methods proposed in Gourieroux et al. (1984) to PML4 and QGPML2 methods, respectively. An asymptotic theory is developed. The key numerical tool that we use is the Gauss-Freud integration scheme that solves a computational problem that has previously been raised in several fields. Simulation exercises demonstrate the feasibility and robustness of the methods.