关于多参数分布的参数正交性的注记
A note on parameter orthogonality for multi-parameter distributions
AI总结：
本文针对多参数分布的参数正交性问题，扩展正交条件至多感兴趣参数情形，证明其全局存在性，通过数值实验验证其在精度与效率上的增益，并以Whittle算法为例说明其对高效算法设计的价值。
摘要：
本注记探讨了Cox和Reid在1987年的开创性论文中提出的统计推断中的参数正交性问题。我们将正交性条件扩展到存在多个感兴趣参数的情形，并证明了对若干通用重要分布而言该性质在全局层面成立，这与二人此前表达的悲观看法相反。针对位置尺度t分布的数值结果显示，得益于该正交性的存在，估计精度得到大幅提升，计算时间也有所缩减。我们进一步证明，局部参数正交性可催生高效计算算法，并以著名的用于多元自回归建模的Whittle算法为例进行了说明。
英文摘要：
This note addresses issues raised by Cox and Reid in their seminal paper in 1987 regarding parameter orthogonality in statistical inference. We extend the orthogonality condition to cases with multiple parameters of interest and demonstrate its existence at a global level for some generally important distributions, despite previously expressed pessimism by them. Numerical results with the location-scale $t$-distribution reveal substantial gains in estimation accuracy and savings in computation time, thanks to the existence. We next show that the local parameter orthogonality can lead to efficient computational algorithms with the celebrated Whittle algorithm for multivariate autoregressive modeling as a showcase.
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。
