Estimating overdispersion when fitting a generalized linear model to sparse data
稀疏数据广义线性模型中的过度离散估计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：摘要讨论通用广义线性模型的离散参数估计，没有所列领域细分的明确应用依据。
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
稀疏数据广义线性模型中的过度离散估计
- 研究问题
- 对过度离散的稀疏数据拟合广义线性模型时，如何估计方差比例参数，以支持标准误计算和模型比较并降低估计波动？
- 方法与思路
- 作者在准似然框架中提出新的离散参数估计量，与基于 Pearson 拟合不足统计量及其修正的常用估计方法比较。
- 材料陈述的贡献
- 摘要称新估计量在响应三阶矩满足某条件时方差更小；计数与二项数据满足该条件仅被提出为猜想，并给出模拟展示。
- 阅读关注点
- 核对估计公式与三阶矩条件，区分已证明的方差比较和针对计数、二项数据的猜想，并检查标准误与模型比较的后果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；三阶矩条件未给出，其在重要数据类型中成立仍属猜想，不能当作已证结论。
原文摘要
We consider the problem of fitting a generalized linear model to overdispersed data, focussing on a quasilikelihood approach in which the variance is assumed to be proportional to that specified by the model, and the constant of proportionality, ϕ, is used to obtain appropriate standard errors and model comparisons. It is common practice to base an estimate of ϕ on Pearson’s lack-of-fit statistic, with or without Farrington’s modification. We propose a new estimator that has a smaller variance, subject to a condition on the third moment of the response variable. We conjecture that this condition is likely to be achieved for the important special cases of count and binomial data. We illustrate the benefits of the new estimator using simulations for both count and binomial data.