Multivariate Mean Parameter Estimation by Using a Partly Exponential Model
利用部分指数模型估计多元均值参数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：摘要关注一般多元响应模型及估计方程，多元响应本身不足以证明存在面板结构，缺少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…
利用部分指数模型估计多元均值参数
- 研究问题
- 在多元响应回归中，如何以均值与形状参数构造模型，使似然方程联系广义估计方程，并评估协方差误设对估计效率的影响？
- 方法与思路
- 作者提出由响应均值和一般形状参数刻画的部分指数模型类，分析最大似然方程、参数估计的渐近关系及协方差误设情形。
- 材料陈述的贡献
- 摘要称该模型类包含广义线性误差模型与指数离散模型；均值似然方程具有某些 GEE 的形式，均值与形状估计渐近独立。
- 阅读关注点
- 核对部分指数模型的密度结构、与 GEE 相同形式的具体条件、渐近独立的证明，以及协方差误设下效率结果的比较基准。
- 阅读边界
- 仅据所给 Crossref 摘要版本；摘要未给出模型公式、正则条件或误设下效率结论的细节，不能据此认定所有 GEE 都等同最大似然。
原文摘要
SUMMARY A class of partly exponential models is proposed for the regression analysis of multivariate response data. The class is parameterized in terms of the response mean and a general shape parameter. It includes the generalized linear error model and exponential dispersion models as special cases. Maximum likelihood equations for mean parameters are shown to be of the same form as certain generalized estimating equations, and maximum likelihood estimates of mean and shape parameters are asymptotically independent. Some results are given on the efficiency of the estimating equation procedure under misspecification of the response covariance matrix.