Estimation of Generalized Linear Latent Variable Models
广义线性潜变量模型的估计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：摘要讨论一般潜变量测量模型，财富应用未明确涉及分布效应，亦不足以归入宏观或金融因子模型。
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…
广义线性潜变量模型的估计
- 研究问题
- 面对广义线性潜变量模型中复杂的似然函数，如何在变量较多时实现参数估计，并控制近似计算带来的偏差和推断问题？
- 方法与思路
- 作者用似然函数的 Laplace 近似构造估计量，将其视为 M 估计量以分析渐近性质，并开展模拟及财富测度实例分析。
- 材料陈述的贡献
- 摘要称新估计量可用于变量较多的模型，并支持渐近推断；模拟中表现良好，尤其相对 LISREL，实例涉及多维不平等的财富测量。
- 阅读关注点
- 应核对 Laplace 近似误差如何进入渐近分析、变量数量与样本量的关系，以及模拟比较和财富测量实例的具体设定。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明近似误差条件、偏差大小或模拟数值，不能据此断定在所有潜变量模型中均优于 LISREL。
原文摘要
Summary Generalized linear latent variable models (GLLVMs), as defined by Bartholomew and Knott, enable modelling of relationships between manifest and latent variables. They extend structural equation modelling techniques, which are powerful tools in the social sciences. However, because of the complexity of the log-likelihood function of a GLLVM, an approximation such as numerical integration must be used for inference. This can limit drastically the number of variables in the model and can lead to biased estimators. We propose a new estimator for the parameters of a GLLVM, based on a Laplace approximation to the likelihood function and which can be computed even for models with a large number of variables. The new estimator can be viewed as an M-estimator, leading to readily available asymptotic properties and correct inference. A simulation study shows its excellent finite sample properties, in particular when compared with a well-established approach such as LISREL. A real data example on the measurement of wealth for the computation of multidimensional inequality is analysed to highlight the importance of the methodology.