Practical Small-Sample Asymptotics for Regression Problems
回归问题中实用的小样本渐近近似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：摘要讨论通用回归分布近似，逻辑回归示例不足以将其归入离散选择等特定领域。
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…
回归问题中实用的小样本渐近近似
- 研究问题
- 研究如何更准确地近似回归系数的抽样分布，尤其是在样本较小、观测独立但分布不完全相同的情况下。
- 方法与思路
- 作者推导独立随机变量之和的鞍点近似，并扩展至估计方程和多元问题，为不同连接函数的广义线性模型提供公式。
- 材料陈述的贡献
- 摘要给出回归系数分布的通用近似，并以逻辑回归实例说明如何借助 Gibbs 抽样构造基于鞍点近似的参数置信集合。
- 阅读关注点
- 应核对鞍点近似的存在条件、误差阶和尾部表现，以及 Gibbs 抽样的目标分布与所得置信集合的频率覆盖性质。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未说明近似误差界或覆盖率结果，不能据此断言对所有小样本均准确。
原文摘要
Saddlepoint approximations are derived for sums of independent, but not necessarily identically distributed random variables, along with generalizations to estimating equations and multivariate problems. These results are particularly useful for accurately approximating the distribution of regression coefficients. General formulas are given for the distribution of the coefficients arising out of a generalized linear model with both canonical and noncanonical link functions. We illustrate the case of logistic regression with a real data example and show how the Gibbs sampler may be used to obtain confidence sets for each regression parameter based on the saddlepoint approximation.