Rank regression with log gamma residuals
具有对数伽马残差的秩回归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：摘要涉及分层秩回归与残差分布的一般方法，未提供面板结构或其他所列细分方向的直接依据。
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
具有对数伽马残差的秩回归
- 研究问题
- 如何利用分层数据中的秩信息开展稳健回归，并以对数伽马残差模型估计位置参数及处理残差形状参数？
- 方法与思路
- 作者讨论分层秩回归，并提出对数伽马残差方案；形状参数取整数，通过预设或简单网格搜索确定。
- 材料陈述的贡献
- 摘要描述了基于层内秩信息最大化似然的位置参数估计算法，并使用一个小数据集展示该方法的应用。
- 阅读关注点
- 应核对层内秩似然的构造、整数形状参数限制的作用，以及形状参数选择和误差分布偏离对稳健性的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性指标、算法性质和示例结果未说明，不能把小样本展示视为广泛验证。
原文摘要
A robust analysis for field data is proposed using a stratified rank regression model. That analysis follows Pettitt (1982). Alternatively, a new technique is described where residuals are log gamma random variables. The log gamma distribution is approximately normal when the shape parameter is large and this parameter is taken as an integer which is either preselected or estimated by a simple grid search. Algorithms for estimating location parameters by maximizing the likelihood based on within-stratum rank information are described and illustrated using a small data set.