Bias Correction in Generalized Linear Models
广义线性模型中的偏误校正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：摘要讨论通用广义线性模型偏误校正，逻辑模型例子不足以确认经济学离散选择应用。
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
广义线性模型中的偏误校正
- 研究问题
- 如何计算广义线性模型中最大似然估计及拟合值的一阶偏误，并以便于实施的方式进行校正，尤其理解逻辑回归的偏误方向？
- 方法与思路
- 作者推导线性参数、线性预测量、离散参数和拟合值的偏误公式，并通过补充加权回归实施校正，数值检查逻辑模型近似。
- 材料陈述的贡献
- 摘要称，偏误校正可在 GLIM 中以较少额外工作实施；线性逻辑模型的渐近偏误向量几乎与参数向量共线，并给出近似公式。
- 阅读关注点
- 应核对一阶展开的正则条件、补充加权回归步骤、逻辑模型近似的适用范围，并查阅原文确认阶数与参数公式的排版。
- 阅读边界
- 所给摘要的阶数、参数帽号及近似公式上下标不清，需核对原 PDF；未提供数值检查细节，不能推断所有样本下校正有效。
原文摘要
SUMMARY In this paper we derive general formulae for first-order biases of maximum likelihood estimates of the linear parameters, linear predictors, the dispersion parameter and fitted values in generalized linear models. These formulae may be implemented in the GLIM program to compute bias-corrected maximum likelihood estimates to order n −1, where n is the sample size, with minimal effort by means of a supplementary weighted regression. For linear logistic models it is shown that the asymptotic bias vector of β^ is almost collinear with β. The approximate formula βp/m+ for the bias of β^ in logistic models, where p = dim(β) and m+ = ∑ mi is the sum of the binomial indices, is derived and checked numerically.