The $n^{-2}$-Order Mean Squared Errors of the Maximum Likelihood and the Minimum Logit Chi-Square Estimator
最大似然与最小Logit卡方估计量的n⁻²阶均方误差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：摘要明确研究Logit回归的估计方法，直接关联离散响应与离散选择模型。
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
最大似然与最小Logit卡方估计量的n⁻²阶均方误差
- 研究问题
- 在Logit回归中，最大似然与最小卡方估计的高阶均方误差如何比较，偏差修正是否会改变二者的排序？
- 方法与思路
- 作者推导两种估计量至n⁻²阶的均方误差，并比较未经修正及偏差修正至n⁻¹阶之后的统计表现。
- 材料陈述的贡献
- 摘要称最小卡方在所考察的许多参数值下更好；偏差修正后最大似然更好，但许多实际情形中差异很小。
- 阅读关注点
- 应核对Logit模型的抽样结构、卡方准则及偏差修正公式，并确认高阶展开适用条件和被比较的参数范围。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；参数范围与数值差异未说明，所述排序不能解释为普遍有限样本优势。
原文摘要
The $n^{-2}$ order mean squared errors of the maximum likelihood and the minimum chi-square estimator of the logit regression model are derived and the latter is shown to be superior for many parameter values considered. The maximum likelihood is shown to be better if the bias of each estimator is corrected to the order of $n^{-1}$; however, the difference is shown to be negligibly small in many practical situations.