Variance functions and the minimum detectable concentration in assays
检测分析中的方差函数与最低可检测浓度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：摘要研究实验检测的异方差回归与校准量，未涉及金融波动率或其他所列经济计量方向。
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
检测分析中的方差函数与最低可检测浓度
- 研究问题
- 非线性异方差检测模型中，方差函数参数的估计方法为何可能很少影响均值拟合，却明显影响最低可检测浓度的效率？
- 方法与思路
- 作者针对响应标准差随均值幂次变化的模型建立渐近理论，比较常见幂次参数估计方法对辅助校准量估计的影响。
- 材料陈述的贡献
- 摘要称，不同方差参数估计方法可导致最低可检测浓度估计的显著效率差异，模拟结果支持这一渐近理论。
- 阅读关注点
- 应核对最低可检测浓度的定义、方差参数估计方法，以及均值和方差估计误差如何共同影响该校准量的效率。
- 阅读边界
- 来源为版本未注明的 OpenAlex 摘要；未说明具体检测模型、方法比较和数值结果，不能判断哪种方法普遍更有效。
原文摘要
Assay data are often fitted by a nonlinear heteroscedastic regression model with the standard deviation of the response typically taken to be proportional to a power θ of the mean. For many assays, how one estimates θ does not greatly affect estimates of the mean regression function. Assay analysis also involves estimation of auxiliary calibration constructs such as minimum detectable concentration. An asymptotic theory is developed to show that standard methods for estimating θ lead to estimators for minimum detectable concentration that can differ markedly in efficiency. Simulation results support the asymptotic theory.