Strong consistency of maximum quasi-likelihood estimators in generalized linear models with fixed and adaptive designs
固定与自适应设计下广义线性模型最大拟似然估计的强一致性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：摘要研究一般回归估计与实验设计，未描述经济主体选择、因果效应或其他所列具体方向，分类证据不足。
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
固定与自适应设计下广义线性模型最大拟似然估计的强一致性
- 研究问题
- 广义线性回归模型的最大拟似然估计，在固定和自适应设计下分别需要怎样的设计信息增长条件才能具有强一致性？
- 方法与思路
- 作者按固定与自适应设计分别研究设计矩阵特征值的增长条件，建立回归参数估计的强一致性，并讨论量反应实验应用。
- 材料陈述的贡献
- 摘要称文章给出两类设计下与既有最小二乘理论平行的强一致性结果，并指出自适应设计的一项充分条件。
- 阅读关注点
- 核对原 PDF 中设计矩阵及特征值条件的准确表达，并检查其余模型假设、自适应设计的信息结构和实验应用限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；自适应设计公式含异常转义，需查原 PDF，不能重构该式或视所述条件为完整假设。
原文摘要
Strong consistency for maximum quasi-likelihood estimators of regression parameters in generalized linear regression models is studied. Results parallel to the elegant work of Lai, Robbins and Wei and Lai and Wei on least squares estimation under both fixed and adaptive designs are obtained. Let $y_1,\dots, y_n$ and $x_1,\dots, x_n$ be the observed responses and their corresponding design points ($p \times 1$ vectors), respectively. For fixed designs, it is shown that if the minimum eigenvalue of $\Sigma x_i x^\prime_i$ goes to infinity, then the maximum quasi-likelihood estimator for the regression parameter vector is strongly consistent. For adaptive designs, it is shown that a sufficient condition for strong consistency to hold is that the ratio of the minimum eigenvalue of $\Sigma x_i \x^\prime_i$ to the logarithm of the maximum eigenvalues goes to infinity. Use of the results for the adaptive design case in quantal response experiments is also discussed.