Consistency and Asymptotic Normality of the Maximum Likelihood Estimator in Generalized Linear Models
广义线性模型最大似然估计的一致性与渐近正态性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：这是一般广义线性模型的渐近理论，分类响应本身不足以归入离散选择。
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
广义线性模型最大似然估计的一致性与渐近正态性
- 研究问题
- 广义线性模型中，哪些一般条件分别保证最大似然估计的弱一致性、强一致性和渐近正态性，并便于实际核查？
- 方法与思路
- 作者提出一般渐近条件，通过特定指数族展示其简化形式，并讨论有界响应、随机解释变量及解释变量取值紧致的情形。
- 材料陈述的贡献
- 摘要称结果不限于既有研究侧重的自然连接函数，并在解释变量取值紧致时给出不涉及未知参数、较易检查的充分条件。
- 阅读关注点
- 应分别核对三类渐近性质的条件、连接函数的适用范围、随机解释变量的处理，以及不含未知参数的充分条件如何验证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；所谓温和条件的具体内容未给出，不能认定任意广义线性模型均满足。
原文摘要
Generalized linear models are used for regression analysis in a number of cases, including categorical responses, where the classical assumptions are violated. The statistical analysis of such models is based on the asymptotic properties of the maximum likelihood estimator. We present mild general conditions which, respectively, assure weak or strong consistency or asymptotic normality. Most of the previous work has been concerned with natural link functions. In this case our normality condition, though obtained by a different approach, is closely related to a condition of Haberman (1977a). Examples show how the general conditions reduce to weak requirements for special exponential families. Further, for regressors with a compact range, sufficient conditions are given which do not involve the unknown parameter, and are therefore easy to check in practice. Responses with a bounded range, e.g. categorical responses, and stochastic regressors also are treated.