Comments on a Paper by T. Amemiya on Estimation in a Dichotomous Logit Regression Model
对 Amemiya 二元 Logit 回归估计论文的评论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：摘要直接比较二元 Logit 回归模型的估计方法，符合离散响应与离散选择方法方向。
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
对 Amemiya 二元 Logit 回归估计论文的评论
- 研究问题
- 二元 Logit 回归中，最小 Logit 卡方估计量是否总具有较小的 n⁻² 阶均方误差，还是存在最大似然估计更小的例子。
- 方法与思路
- 这篇评论针对此前若干数值例子所呈现的误差排序，展示相反例子，比较两类估计量在同一阶均方误差标准下的表现。
- 材料陈述的贡献
- 摘要称，存在最大似然估计量的 n⁻² 阶均方误差更小的例子，说明此前例子中的最小卡方优势不能视为一般排序。
- 阅读关注点
- 应核对反例的参数和设计设置、n⁻² 阶均方误差的计算口径，以及高阶近似结果与完整有限样本均方误差的区别。
- 阅读边界
- 所给材料是稿件版本未注明的 OpenAlex 索引摘要，且为评论论文；反例细节未说明，也不能反向推断最大似然普遍更优。
原文摘要
Amemiya (1980) derived expressions for the $n^{-2}$-order mean squared errors of the maximum likelihood and the minimum logit chi-squared estimators in the dichotomous logit regression model. He numerically evaluated these expressions for a number of specific examples and in all examples found that the minimum chi-squared estimator has smaller $n^{-2}$-order mean squared error. In this paper, we demonstrate examples in which the maximum likelihood estimator has smaller $n^{-2}$-order mean squared error.