Measurement Error in the Response in the General Linear Model
一般线性模型中响应变量的测量误差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：摘要聚焦一般线性模型的测量误差与校准，未指向所列领域中的特定应用或模型。
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
一般线性模型中响应变量的测量误差
- 研究问题
- 研究响应变量存在复杂测量误差时，线性模型系数及方差估计如何受到影响，以及如何利用校准数据修正推断。
- 方法与思路
- 作者允许代理观测的条件均值非线性、条件方差随真值变化及误差参数跨观测变化，利用独立校准数据构造似然估计。
- 材料陈述的贡献
- 摘要描述完全与伪最大似然估计的渐近性质，并分析插补值估计的偏差、系数协方差及相应标准误的修正。
- 阅读关注点
- 应核对校准样本如何识别误差模型、分布假设和样本规模关系，以及校准参数估计的不确定性如何进入最终标准误。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未列出具体分布条件、偏差公式或校准数据要求，无法判断修正的稳健范围。
原文摘要
Problems where there is measurement error in the response variable in a general linear model are considered. With Y denoting the true value and U the observed/surrogate value, a rich class of measurement error models is considered in which (a) the mean of U given Y = y can be either linear or nonlinear in y, (b) the variance of U given Y = y can depend on y, and (c) the parameters in the model for U given Y can change across observations in the study. This could occur, for example, when using a radioimmunoassay to measure the outcome variable with recalibration for each batch of reagents. The parameters in the measurement error models are estimated using independent “calibration” data. Full and pseudo—maximum likelihood estimators (MLE's) and their asymptotic properties are described under distributional assumptions. The pseudo-MLE's and naive estimates using imputed values are special cases of a general class of estimators. The asymptotic properties of such estimators are given and then used to derive detailed results about the performance of analyses based on imputed values. This includes an assessment of bias in estimation of the coefficients and the variance and the development of an asymptotic covariance matrix of the estimated coefficients and ways to estimate it. This approach leads to modification of the standard errors obtained using imputed values.