Some New Aspects of the Application of Maximum Likelihood to the Calculation of the Dosage Response Curve
极大似然法计算剂量反应曲线的若干新方面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：摘要涉及剂量反应曲线的 probit 计算，未提供经济离散选择或其他所列细分方向的直接依据。
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
极大似然法计算剂量反应曲线的若干新方面
- 研究问题
- 标准 probit 法估计剂量反应曲线需要反复迭代；如何改进初始参数近似与计算步骤，并考察小样本估计偏差？
- 方法与思路
- 作者提出计算极大似然解的表格与配套方法，并提供更准确的初始近似程序，同时讨论极大似然估计的小样本偏差。
- 材料陈述的贡献
- 摘要称所给计算方法比标准 probit 方法收敛更快，并改善初始近似；对小样本偏差的具体结论未作说明。
- 阅读关注点
- 应核对剂量反应模型、初值构造及迭代规则，区分收敛速度与统计效率，并查看小样本偏差分析的条件和结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出算法公式、收敛条件或偏差大小。
原文摘要
The estimation of the parameters of dosage response curves by the standard probit method is an iterative process beginning with approximations to the parameters and using one or more cycles of computations to “improve” these estimates until they converge. The present paper gives a table and method for computing the maximum likelihood solution which converges more rapidly than the standard probit method. A procedure is presented for obtaining more accurate initial approximations, and the problem of the bias of the maximum likelihood estimates in small samples is considered.