唐纳德·安德鲁斯。;程旭 弱、半强和强识别的估计和推断。 （英语） Zbl 1274.62160号 计量经济学 80，第5期，2153-2211（2012）. 摘要：本文分析了参数空间某些部分中未识别或弱识别的参数的标准估计、检验和置信集（CS）的性质。本文还介绍了使测试和CS对此类识别问题具有鲁棒性的方法。这些结果适用于一类极值估计量和相应的检验以及基于满足某种渐近随机二次展开式的准则函数且依赖于决定辨识强度的参数的CS。这包括一类使用最大似然（ML）、最小二乘（LS）、分位数、广义矩法、广义经验似然、最小距离和半参数估值器估计的模型。在全范围的真分布漂移序列下，建立了估计量的一致性/不一致性和渐近分布。建立了标准和识别鲁棒检验以及CS的渐近大小（在一致意义上）。将结果应用于ML估计的ARMA（1,1）时间序列模型和LS估计的非线性回归模型。在相关论文中，将结果应用到许多其他模型。 引用于1审查引用于53文件 理学硕士： 10层62层 点估计 62F03型 参数假设检验 62层25 参数公差和置信区域 62层30 约束条件下的参数化推理 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62J02型 一般非线性回归 关键词：渐近大小;置信集;估计器;识别;非线性模型;强识别性;测试;弱识别 PDF格式BibTeX公司 XML格式引用 \textit{D.W.K.Andrews}和\textit{X.Cheng}，《计量经济学》80，第5期，2153-2211（2012；Zbl 1274.62160） 全文： 内政部