Simulation-Extrapolation Estimation in Parametric Measurement Error Models
参数测量误差模型中的模拟外推估计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：摘要主要提出一般参数测量误差方法，逻辑回归模拟例子不足以确定经济学离散选择等领域。
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
参数测量误差模型中的模拟外推估计
- 研究问题
- 当测量误差方差已知或能较好估计时，如何通过模拟和外推，在参数测量误差模型中恢复接近无测量误差情形的估计？
- 方法与思路
- 作者向数据加入已知增量的额外误差，重复估计并拟合估计值与误差方差的趋势，再将趋势外推至无测量误差情形。
- 材料陈述的贡献
- 摘要称在线性模型中方法与矩估计等价或渐近等价；模拟显示，在所考察的标准及非标准逻辑回归中估计接近渐近无偏且高效。
- 阅读关注点
- 应核对误差生成机制、外推函数及方差估计精度，检查线性模型等价结论的条件，并区分逻辑回归模拟证据与一般理论。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；外推形式、效率基准及模拟设置未说明，不能保证任意模型或误差分布下消除偏差。
原文摘要
We describe a simulation-based method of inference for parametric measurement error models in which the measurement error variance is known or at least well estimated. The method entails adding additional measurement error in known increments to the data, computing estimates from the contaminated data, establishing a trend between these estimates and the variance of the added errors, and extrapolating this trend back to the case of no measurement error. We show that the method is equivalent or asymptotically equivalent to method-of-moments estimation in linear measurement error modeling. Simulation studies are presented showing that the method produces estimators that are nearly asymptotically unbiased and efficient in standard and nonstandard logistic regression models. An oversimplified but fairly accurate description of the method is that it is method-of-moments estimation using Monte Carlo-derived estimating equations.