A comparison of sequential and non-sequential designs for discrimination between nested regression models
区分嵌套回归模型的序贯与非序贯设计比较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：摘要讨论通用回归模型辨别与实验设计，未明确涉及给定细分领域的识别或应用。
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
区分嵌套回归模型的序贯与非序贯设计比较
- 研究问题
- 当回归分析同时追求识别正确模型和高效估计模型参数时，序贯与非序贯实验设计如何权衡这两个目标？
- 方法与思路
- 作者针对一类嵌套模型比较两种设计策略，考察正确模型识别概率，并以模拟研究现实样本规模下的参数估计效率。
- 材料陈述的贡献
- 摘要称，非序贯设计通常更可能识别正确模型；在所给模拟中，其参数估计效率至少不低于序贯设计，但不保证达到最优效率。
- 阅读关注点
- 应核对嵌套模型类别、两种设计的构造与资源约束、正确模型的定义，以及识别概率和估计效率比较的理论或模拟依据。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；“通常”及模拟结论不能推广至任意模型和样本规模，具体比较条件未说明。
原文摘要
SUMMARY Classical regression analysis is usually performed in two steps. In a first step an appro priate model is identified to describe the data-generating process and in a second step statistical inference is performed in the identified model. In this paper we investigate a sequential and a non-sequential design strategy, which take into account these different goals of the analysis for a class of nested models. It is demonstrated that non-sequential designs usually identify the 'correct' model with a higher probability than sequential methods. Although non-sequential designs can never be guaranteed to achieve the best possible efficiency in the 'correct' model, it is demonstrated by means of a simulation study that for realistic sample sizes the efficiencies of the non-sequential designs for the estimation of the parameters in the 'correct' model are at least as high as the corresponding efficiencies of the sequential methods.