arXiv 2301.097042023-01-23math.STstat.TH

用经验似然法提高结构方程模型的估计效率

Improving Estimation Efficiency In Structural Equation Models By An Easy Empirical Likelihood Approach

Shan Wang, Hanxiang Peng

摘要：

在这篇文章中，我们构造了经验似然（EL）加权估计的线性泛函的概率测度的存在边信息。出于可能无限维的半参数模型中的冗余参数的动机，我们考虑使用估计的约束函数，并允许约束的数量随着样本量的增加而增加。我们研究的渐近性质和效率增益。所得结果用于构造结构方程模型参数的改进估计。参数的EL加权估计被证明具有减少的方差在SEM中的边信息的随机独立的随机误差和随机协变量的存在。给出了效率增益的一些模拟结果。

英文摘要：

In this article, we construct empirical likelihood (EL)-weighted estimators of linear functionals of a probability measure in the presence of side information. Motivated by nuisance parameters in semiparametric models with possibly infinite dimensions, we consider the use of estimated constraint functions and allow the number of constraints to grow with the sample size. We study the asymptotic properties and efficiency gains. The results are used to construct improved estimators of parameters in structural equation models. The EL-weighted estimators of parameters are shown to have reduced variances in a SEM in the presence of side information of stochastic independence of the random error and random covariate. Some simulation results on efficiency gain are reported.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一般估计方程的扩展经验似然

Extended empirical likelihood for general estimating equations

我们推导出一个扩展的经验似然参数定义的估计方程，将原来的经验似然参数的完整参数空间。在较弱的条件下，推广的经验似然具有原经验似然的所有渐近性质。它的轮廓保留了后者的数据驱动形状。它也可以达到二阶精度。一阶扩展的经验似然是易于使用的，但它是实质上更准确的比其他经验似然，包括二阶。我们建议它的经验似然方法的实际应用。

2013-06-06math.STstat.TH

观测驱动模型中极大似然估计收敛的简便充分条件

Handy sufficient conditions for the convergence of the maximum likelihood estimator in observation-driven models

本文推广了\cite{dou:kou:mou:2013}所考虑的观测驱动时间序列模型的渐近性质，即每个观测的条件律也允许依赖于参数.在易于检验的条件下，得到了遍历解的存在性和极大似然估计（MLE）的相合性。所获得的条件似乎适用于广泛的一类模型。我们用具体的观测驱动的时间序列来说明我们的结果，包括最近引入的NBIN-GERMAN和NM-GERMAN模型，证明了这两个模型的MLE的一致性。

2015-06-05math.STstat.TH

Kronecker 协方差矩阵的有理极大似然估计量

Rational Maximum Likelihood Estimators of Kronecker Covariance Matrices

本文针对具有 Kronecker 协方差结构的多元正态模型，发现在样本量与因子维度互质的特殊设定下，似然方程代数次数为 1，从而得出极大似然估计量的显式有理公式，并证明了该特殊设定外的部分逆命题。

2024-06-02math.STstat.TH

三参数对数正态分布的一种新参数化的简易估计

Easy estimation by a new parameterization for the three-parameter lognormal distribution

本文提出了一种新的参数化方法和求三参数对数正态分布中似然函数初始相对最大值的算法。在扩展对数正态分布的基础上，参数化将三参数估计问题降维为两参数估计问题。该算法提供了在双参数估计问题中寻找目标函数轮廓的方法。由于它是基于对分法构造的，所以它简单且数值稳定。该剖面图清楚、容易地显示出主相对极大值是否存在，并且如果存在，也确定地给出主相对极大值。

2013-11-15math.STstat.TH

多层感知器模型似然比的渐近律

Asymptotic law of likelihood ratio for multilayer perceptron models

我们考虑回归模型，涉及多层感知器（MLP）与一个隐藏层和高斯噪声。假设数据由真实的MLP模型生成，并且通过最大化模型的似然来估计MLP的参数。当真实模型的隐单元数已知时，极大似然估计（MLE）和似然比（LR）统计量的渐近分布易于计算，并收敛于一个$χ^2$律.然而，如果隐单元的数目被高估，模型的Fischer信息矩阵是奇异的，极大似然估计的渐近行为是未知的。本文讨论了这种情况，并给出了LR统计量的精确渐近律。也就是说，如果MLP的参数位于一个合适的紧集，我们证明了LR统计量是由一类极限得分函数索引的高斯过程的平方的上确界。

2010-11-28math.STstat.TH

通过顺序最大似然估计直接从条件分布中采样

Direct sampling from conditional distributions by sequential maximum likelihood estimations

The Institute of Statistical Mathematics, Japan（日本统计数学研究所）

本文提出了一种基于顺序最大似然估计的近似算法，用于直接从对数仿射模型的条件分布中采样，无需前期研究。

2025-11-19math.STstat.TH

更多相关论文收起更多论文

鲁棒化的波动率高斯拟似然推断

Robustified Gaussian quasi-likelihood inference for volatility

Osaka Institute of Technology（大阪工业大学）；University of Tokyo（东京大学）

针对高频数据受有限活动跳跃和尖峰噪声污染的情况，提出基于密度幂加权和Hölder不等式归一化的鲁棒化高斯拟似然估计量，证明其渐近混合正态性，并对协变量和响应过程同时具有鲁棒性。

2026-08-05math.STstat.TH

仿射随机延迟微分方程离散样本的统计推断

Statistical inference for discrete-time samples from affine stochastic delay differential equations

研究了一类仿射随机时滞微分方程离散观测值的统计推断问题。主要的重点是最大伪似然估计，这是很容易计算的实践。一类更一般的预测为基础的估计功能的调查。特别地，导出了基于最优预测的估计函数和估计量的渐近性质。最大伪似然估计量是一个特殊的情况下，并找到一个表达式的效率损失时，使用最大伪似然估计量，而不是计算更涉及最优预测为基础的估计。在模拟研究中的伪似然估计的分布进行了研究。详细考虑了仿射随机时滞方程的两个例子。

2013-03-20math.STstat.TH

快速ARMA极大似然估计

Faster ARMA maximum likelihood estimation

对ARMA模型给出了一种新的基于似然的AR逼近。用于计算ARMA模型的似然性的通常算法需要每次函数评估的$O(n)$触发器。使用我们的新的近似，算法开发，它只需要$O(1)$触发器在重复的似然评估。在大多数情况下，新算法给出的结果与精确的最大似然估计（MLE）相同或非常接近。该算法易于在{ \it Mathematica\/}、MatLab和R.为了获得合理的速度，以前的ARMA最大似然算法通常是用C或其他一些机器有效的语言实现的。使用我们的算法，很容易直接在您选择的QPE中对长时间序列进行极大似然估计。将新算法推广到均值参数的极大似然估计。仿真实验表明了新算法的有效性。实现本文讨论的算法的{ \it Mathematica\/}和R包是可用的（McLeod和Zhang，2007）。基于这些软件包的实现，预计感兴趣的研究人员将能够在其他QPE中实现该算法。

2016-11-03math.STstat.MEstat.TH

协变量面板计数数据的两种基于似然的半参数估计方法

Two likelihood-based semiparametric estimation methods for panel count data with covariates

本文考虑了半参数回归模型中具有"面板计数“数据的计数过程均值的估计。基本模型假设是计数过程的条件均值函数的形式为$E\{\mathbb{N}(t)|Z\}=\exp(β_0^TZ)Λ_0(t)$，其中$Z$是协变量向量，$Λ_0$是基线均值函数。"面板计数“观察方案涉及在随机数$K$的随机时间点观察个体的计数过程$\mathbb{N}$;这些时间点的数量和位置可能因个体而异。研究了基于非齐次泊松过程假设的未知参数$(β_0,Λ_0)$的半参数极大似然估计和极大似然估计。伪似然估计量相当容易计算，而最大似然估计量从计算的角度来看带来了更多的挑战。我们研究的渐近性质，这两个估计假设的比例平均模型成立，但下降的泊松过程的假设，用于推导估计。特别是，我们建立了渐近正态性的回归参数$β_0$的估计在适当的假设。结果表明，我们的估计程序是强大的，在这个意义上说，估计收敛到真理，无论潜在的计数过程。

2007-12-05math.STstat.TH

具有误分类响应的二元回归模型的推断问题

Inference problems in binary regression model with misclassified responses

如果忽略二元响应的错误分类，可能会严重偏倚回归参数的最大似然估计（MLE）。对于这样的数据，结合误分类概率的二元回归模型被研究人员广泛用于不同的应用背景。然而，该模型，遭受一个严重的估计问题，因为未知的误分类概率与回归参数的混淆。为了克服这一问题，除了主要样本外，建议使用内部验证数据。然而，最大似然估计（MLE）被发现有很大的偏见。进一步研究，我们提出了一个最大的伪似然估计方法，导致偏差减少。对于回归参数的推断，我们在标准假设下建立了最大伪似然估计的严格渐近理论。为了便于实现，提出了一个自举版本的估计，并证明了其分布一致性。这些结果的扩展也提供了更一般的误分类模型。模拟研究的结果令人鼓舞。该方法是说明与调查数据。

2020-09-25math.STstat.TH

核方法与筛方法相遇：具有稀疏纵向协变量的变换风险模型

Kernel meets sieve: transformed hazards models with sparse longitudinal covariates

针对时变协变量仅被间歇观测的变换风险模型，本文提出结合核加权对数似然与筛最大似然的估计方法，建立其渐近理论，并通过数值模拟和武汉新冠数据验证了方法的优越性与实用性。

2023-09-18math.STstat.MEstat.TH