Likelihood inference in a correlated probit regression model
相关 Probit 回归模型的似然推断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：摘要明确研究二元响应的多元 Probit 回归，与离散选择模型直接相关。
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
相关 Probit 回归模型的似然推断
- 研究问题
- 二元观测存在等相关性和过度离散时，如何建立多元 Probit 回归并简化似然推断所需的计算？
- 方法与思路
- 作者把对数似然导数化为等相关多元正态概率的简单线性组合，再用 Mendell–Elston 方法近似这些概率。
- 材料陈述的贡献
- 摘要给出相关二元响应模型的似然计算思路，并以一组存在过度离散的数据展示该模型的使用方式。
- 阅读关注点
- 应核对等相关结构的约束、概率近似误差如何影响估计和推断，以及示例中的过度离散是否得到合理解释。
- 阅读边界
- 仅据版本未注明的索引摘要；参数识别、近似精度和实证数值均未提供，不能断言模型普遍改善推断。
原文摘要
Equicorrelated binary observations are modelled using a multivariate probit regression model. Log likelihood derivatives are reduced to simple linear combinations of equicorrelated multivariate normal probabilities, which are approximated using the method of Mendell & Elston (1974). A data set with overdispersion illustrates the use of this model.