Statistical analysis of empirical models fitted by optimization
通过优化拟合的经验模型的统计分析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：经验模型优化与模型比较属于通用推断，摘要未明确涉及经济结构估计或其他细分方向。
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
通过优化拟合的经验模型的统计分析
- 研究问题
- 经验模型通过优化目标函数拟合时，如何在不明确建立完整统计模型、且数据可能存在依赖的情况下进行参数推断？
- 方法与思路
- 作者提出渐近推断程序，允许数据中的一般统计依赖，用于构造参数子集的显著性检验与置信域，并比较模型和拟合目标。
- 材料陈述的贡献
- 摘要称给出无需显式统计模型的实用参数推断方法，并提供比较结构不同的模型以及不同参数拟合目标函数的相关结果。
- 阅读关注点
- 应核对允许的数据依赖类型、目标函数的正则条件、推断所需量的估计方法，以及不同模型与目标函数的比较准则。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；渐近理论的依赖和正则条件未说明，不能推断任意优化问题均能获得有效推断或因果解释。
原文摘要
Practical procedures for statistical inference about the parameters of empirical models are presented. These avoid the necessity of formulating an explicit statistical model and can allow for general statistical dependency within the data used for model fitting. The theory is an asymptotic one, and one which allows the construction of significance tests and confidence regions for subsets of the model parameters. Other results concern the comparison of structurally different models, and of different objective functions for parameter fitting.