恰识别间接推断估计量：通过偏差校正实现准确推断
统计方法学
2023-10-11 v2 统计理论
统计计算
统计理论
摘要
统计分析中的一个重要挑战在于，在处理现代数据环境中日益增长的数据规模和模型复杂度时控制估计偏差。本文针对参数模型提出一种基于恰识别间接推断估计量（JINI）的可靠估计与推断方法。我们方法的主要优势在于，它能够以简单方式构造一致估计量，同时提供强有力的偏差校正保证，从而实现准确推断。我们的方法对复杂参数模型尤为有用，因为它可以规避标准方法中通常遇到的分析与计算困难（例如由于难以处理的估计方程）。我们还研究了在参数维度允许发散时 JINI 的性质（包括一致性、渐近正态性及其偏差校正性质），这为解释 JINI 在维度递增的协变量设定中表现优异提供了理论基础。我们的模拟以及一项酒精消费数据分析凸显了 JINI 在数据呈现某些特征（如误分类、舍入）以及稳健估计中的实际效用与优异表现。
引用
@article{arxiv.2204.07907,
title = {Just Identified Indirect Inference Estimator: Accurate Inference through Bias Correction},
author = {Yuming Zhang and Yanyuan Ma and Samuel Orso and Mucyo Karemera and Maria-Pia Victoria-Feser and Stéphane Guerrier},
journal= {arXiv preprint arXiv:2204.07907},
year = {2023}
}