An Efficient Estimator for the Generalized Semilinear Model
广义半线性模型的有效估计量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：摘要研究一般半参数回归；二元结果本身不足以确认离散选择或其他给定细分。
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
广义半线性模型的有效估计量
- 研究问题
- 在广义线性模型的预测参数中加入未知平滑函数后，如何有效估计参数与非参数部分，并在某些模型偏离下维持有效推断？
- 方法与思路
- 作者以估计的有效得分方程求参数估计，以估计的惩罚似然求平滑函数，并构造稳健标准误及修正广义交叉验证调参程序。
- 材料陈述的贡献
- 摘要称，论文提出两个模型组成部分的有效估计方法，并使标准误在某些模型违反下仍支持有效推断，提供二元结果模拟和应用。
- 阅读关注点
- 应核对有效得分的构造、平滑参数选择和两部分估计的相互影响，以及稳健标准误究竟允许哪些模型违反。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未给出效率与稳健性的条件，所述模拟精度仅适用于测试过的平滑函数情形。
原文摘要
The generalized semilinear model (GSLIM) extends the generalized linear model by allowing the addition of an unknown smooth function to the predictor parameter, producing a semiparametric model. Some previously proposed score-based estimators for the parametric component in this model are not √n consistent. We propose efficient estimators for both the parametric and nonparametric components of the GSLIM. The estimator for the parametric component is the solution to an estimated efficient score equation and is based on recent theoretical advances in semiparametric estimation. The estimator for the nonparametric component is the maximizer of an estimated penalized likelihood of the form considered by Cox and O'Sullivan. A robust standard error estimate maintains valid inference under certain model violations. An application and simulation results are given for data with binary outcomes, using a modified generalized cross-validation algorithm to select the smoothing parameter. Parameter and standard error estimates are within 6% of nominal values under a range of smooth functions tested in the simulations.