Quasi-likelihood functions, generalized linear models, and the Gauss—Newton method
拟似然函数、广义线性模型与 Gauss–Newton 方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要提出一般拟似然与数值估计框架，没有所列经济计量应用细分的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
拟似然函数、广义线性模型与 Gauss–Newton 方法
- 研究问题
- 在不完整指定观测分布、仅给定均值与方差关系时，如何构造用于估计的拟似然，并将既有数值求解方法推广到这一框架？
- 方法与思路
- 作者以均值—方差关系定义拟似然，讨论其与单参数指数族对数似然的联系，并推广 Gauss–Newton 方法计算最大拟似然估计。
- 材料陈述的贡献
- 摘要称，单参数指数族下对数似然与拟似然相同；推广后的计算方法经重新组织，可得到既有广义线性模型算法的推广。
- 阅读关注点
- 阅读时应核对均值—方差关系及链接函数的要求、两种似然相同的确切含义，以及数值迭代、收敛条件和分布误设时的性质。
- 阅读边界
- 仅据 OpenAlex 摘要，估计量的识别、稳健性与渐近条件未说明；摘要关于分布假设强弱的表述，需结合全文定义核对其适用范围。
原文摘要
To define a likelihood we have to specify the form of distribution of the observations, but to define a quasi-likelihood function we need only specify a relation between the mean and variance of the observations and the quasi-likelihood can then be used for estimation. For a one-parameter exponential family the log likelihood is the same as the quasi-likelihood and it follows that assuming a one-parameter exponential family is the weakest sort of distributional assumption that can be made. The Gauss-Newton method for calculating nonlinear least squares estimates generalizes easily to deal with maximum quasi-likelihood estimates, and a rearrangement of this produces a generalization of the method described by Nelder & Wedderburn (1972).