Local Influence for Incomplete Data Models
不完全数据模型的局部影响分析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：摘要涉及不完全数据模型的通用影响诊断，未提供所列领域细分的直接依据。
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
不完全数据模型的局部影响分析
- 研究问题
- 在含有不完全数据的统计模型中，如何评估轻微模型扰动的局部影响，并将诊断方法用于较复杂的模型？
- 方法与思路
- 作者将 Cook 的局部影响思路用于 EM 算法中的完整数据对数似然条件期望，并考察广义线性混合模型应用。
- 材料陈述的贡献
- 摘要称，该方法得到的解析结果与基于观测数据似然的经典方法非常相近，并有望处理现有方法难以处理的复杂模型。
- 阅读关注点
- 阅读时应核对扰动如何定义、条件期望如何计算，以及与观测数据似然方法相近的具体含义和复杂模型中的计算要求。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明扰动类别、适用条件或实例结果，不能将“非常相近”理解为严格等价或普遍优越。
原文摘要
Summary This paper proposes a method to assess the local influence in a minor perturbation of a statistical model with incomplete data. The idea is to utilize Cook's approach to the conditional expectation of the complete-data log-likelihood function in the EM algorithm. It is shown that the method proposed produces analytic results that are very similar to those obtained from a classical local influence approach based on the observed data likelihood function and has the potential to assess a variety of complicated models that cannot be handled by existing methods. An application to the generalized linear mixed model is investigated. Some illustrative artificial and real examples are presented.