Empirical likelihood-based inference in linear errors-in-covariables models with validation data
利用验证数据的线性协变量测量误差模型经验似然推断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：摘要研究测量误差回归的通用推断，未提供因果、面板或结构估计等细分方向的明确依据。
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
利用验证数据的线性协变量测量误差模型经验似然推断
- 研究问题
- 在线性协变量测量误差模型中，如何结合独立验证数据与包含响应、代理协变量的主数据，为回归参数构造置信区域？
- 方法与思路
- 作者构造估计经验对数似然，通过估计未知权重或调整统计量校准推断，并提出部分平滑的自助经验似然方法。
- 材料陈述的贡献
- 摘要称建立有关极限分布及自助置信区域渐近覆盖率的结果，并以模拟比较各方法与正态近似的覆盖准确性和区间长度。
- 阅读关注点
- 应核对验证数据与主数据的关系、各校准方法的条件及自助平滑设置；摘要中卡方符号的排版须对照原文确认。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本，卡方符号存在排版不清。摘要未报告模拟数值或具体正则条件，不能判断哪种方法有限样本更优。
原文摘要
Linear errors‐in‐covariables models are considered, assuming the availability of independent validation data on the covariables in addition to primary data on the response variable and surrogate covariables. We first develop an estimated empirical loglikelihood with the help of validation data and prove that its asymptotic distribution is that of a weighted sum of independent standard x21 random variables with unknown weights. By estimating the unknown weights consistently, we construct an estimated empirical likelihood confidence region for the regression parameter vector. We also suggest an adjusted empirical loglikelihood and prove that its asymptotic distribution is a standard x2. To avoid estimating the unknown weights or the adjustment factor, we propose a partially smoothed bootstrap empirical loglikelihood for constructing a confidence region which has asymptotically correct coverage probability. A simulation study is conducted to compare the proposed methods with a method based on a normal approximation in terms of coverage accuracy and average length of the confidence interval.