Inference in Generalized Linear Models with Robustness to Misspecified Variances
对方差误设稳健的广义线性模型推断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：摘要研究一般广义线性模型的方差稳健检验，以基因计数为例，未明确提供给定经济计量细分方向的依据。
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…
对方差误设稳健的广义线性模型推断
- 研究问题
- 当广义线性模型的共同离散参数假设不成立、常规参数检验损失第一类错误控制时，如何对回归系数进行稳健检验？
- 方法与思路
- 作者提出基于得分贡献符号翻转的半参数群不变方法，在均值模型正确设定的前提下检验单个或多个回归系数。
- 材料陈述的贡献
- 摘要称检验对方差误设稳健且渐近有效，并报告良好的小样本表现，展示 RNA 测序计数应用及 flipscores 实现。
- 阅读关注点
- 应核对均值正确设定之外的正则条件、符号翻转如何处理干扰参数，以及多系数检验和小样本校准的具体实现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。样本依赖和其他正则条件未说明；方差稳健性不意味着均值误设下仍有效。
原文摘要
Generalized linear models usually assume a common dispersion parameter, an assumption that is seldom true in practice. Consequently, standard parametric methods may suffer appreciable loss of type I error control. As an alternative, we present a semi-parametric group-invariance method based on sign flipping of score contributions. Our method requires only the correct specification of the mean model, but is robust against any misspecification of the variance. We present tests for single as well as multiple regression coefficients. The test is asymptotically valid but shows excellent performance in small samples. We illustrate the method using RNA sequencing count data, for which it is difficult to model the overdispersion correctly. The method is available in the R library flipscores.