zbMATH — the first resource for mathematics

Examples
Geometry Search for the term Geometry in any field. Queries are case-independent.
Funct* Wildcard queries are specified by * (e.g. functions, functorial, etc.). Otherwise the search is exact.
"Topological group" Phrases (multi-words) should be set in "straight quotation marks".
au: Bourbaki & ti: Algebra Search for author and title. The and-operator & is default and can be omitted.
Chebyshev | Tschebyscheff The or-operator | allows to search for Chebyshev or Tschebyscheff.
"Quasi* map*" py: 1989 The resulting documents have publication year 1989.
so: Eur* J* Mat* Soc* cc: 14 Search for publications in a particular source with a Mathematics Subject Classification code (cc) in 14.
"Partial diff* eq*" ! elliptic The not-operator ! eliminates all results containing the word elliptic.
dt: b & au: Hilbert The document type is set to books; alternatively: j for journal articles, a for book articles.
py: 2000-2015 cc: (94A | 11T) Number ranges are accepted. Terms can be grouped within (parentheses).
la: chinese Find documents in a given language. ISO 639-1 language codes can also be used.

Operators
a & b logic and
a | b logic or
!ab logic not
abc* right wildcard
"ab c" phrase
(ab c) parentheses
Fields
any anywhere an internal document identifier
au author, editor ai internal author identifier
ti title la language
so source ab review, abstract
py publication year rv reviewer
cc MSC code ut uncontrolled term
dt document type (j: journal article; b: book; a: book article)
An efficient semiparametric estimator for binary response models. (English) Zbl 0783.62100
Il s’agit, dans le modèle $y= 1$ si $v(x;\theta\sb 0)\ge u\sb 0$ et $y=0$ sinon, où $v(.;.)$ est une fonction connue, $x$ un vecteur exogène, $\theta\sb 0$ un vecteur paramètre inconnue et $u\sb 0$ une perturbation aléatoire de loi connue ou non, d’estimer $\theta\sb 0$ sur la base d’un échantillon de $N$ observations $\{x\sb i,y\sb i\}$ i.i.d. Sa vraisemblance faisant intervenir $$P\sp*\bigl[v(x;\theta); \theta\bigr]\equiv \text{Pr}\bigl[ u<v(x;\theta)\mid v(x;\theta)\bigr]$$ est simplifiée en l’y remplaçant par: $$P\bigl[v(x;\theta);\theta\bigr]\equiv \text{Pr}\bigl[ u\sb 0<v(x;\theta\sb 0)\mid v(x;\theta)\bigr]$$ qui bénéficie de l’estimation de $\text{Pr}[Y=1]$ par la proportion correspondante observée. Cette quasi-vraisemblance conduit à un estimateur dont il est établi, sous des hypothèses précisées, la convergence et, asymptotiquement, la normalité et l’efficacité. Pour des tailles finies d’échantillons, la perte d’efficacité par rapport à l’estimateur du maximum de la vraisemblance vraie est étudiée numériquement (Monte Carlo) pour des distributions connues de la perturbation (comparaison avec le modèle Probit).

MSC:
62P20Applications of statistics to economics
62F12Asymptotic properties of parametric estimators
62H12Multivariate estimation
WorldCat.org
Full Text: DOI