Generalized Linear Models with Varying Dispersion
离散参数可变的广义线性模型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：摘要研究通用广义线性模型的均值与离散参数，未提供指定领域应用依据。
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
离散参数可变的广义线性模型
- 研究问题
- 如何在广义线性模型中同时为均值和离散参数设置线性预测子，并保留便于估计和渐近检验的模型结构？
- 方法与思路
- 作者分别建立均值与离散参数子模型，以均值模型的偏差分量作为离散参数子模型的因变量，推导似然方程与估计算法。
- 材料陈述的贡献
- 摘要称两个子模型基本保留广义线性模型形式，可导出简洁的似然方程与渐近检验，并提出具有良好收敛性质的算法。
- 阅读关注点
- 应核对子模型之间如何连接、算法收敛需要哪些条件，以及正态、逆高斯和伽马模型与离散准似然扩展的区别。
- 阅读边界
- 仅据所给Crossref摘要；收敛条件、检验校准及数据分析结果未说明，离散参数建模本身不足以归为金融波动率。
原文摘要
SUMMARY Generalized linear models are further generalized to include a linear predictor for the dispersion as well as for the mean. It is shown how the convenient structure of generalized linear models can be carried over to this more general setting by considering the mean and dispersion structure separately. Mean and dispersion submodels are formulated for this, the dependent variable for the dispersion submodel being the deviance components of the mean submodel. The fact that both submodels are essentially generalized linear models themselves is used to derive simple expressions for the likelihood equations and for asymptotic tests. Estimation algorithms are proposed which have good convergence properties. The results apply mainly to the normal, inverse Gaussian and gamma distributions but can be extended to discrete distributions by using quasi-likelihoods. The methods developed are applied to a well-known data set.