Likelihood Inference in a Correlated Probit Regression Model
相关 Probit 回归模型的似然推断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：摘要明确研究二元观测的多元 Probit 回归，与离散选择方向的模型和似然方法直接相关。
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
相关 Probit 回归模型的似然推断
- 研究问题
- 对于具有等相关结构的二元观测，如何建立多元 Probit 回归，并计算似然推断所需的导数以处理过度离散数据？
- 方法与思路
- 作者将对数似然导数化为等相关多元正态概率的简单线性组合，再使用摘要所指的 Mendell–Elston 方法近似这些概率。
- 材料陈述的贡献
- 摘要称提供了相关二元响应模型的似然导数计算方法，并用一组具有过度离散现象的数据展示该模型的使用。
- 阅读关注点
- 应核对等相关参数的允许范围、概率近似的精度，以及似然优化与不确定性计算如何受相关结构和过度离散程度影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出近似误差、估计性质或比较结果，不能据此认定模型普遍更优。
原文摘要
Equicorrelated binary observations are modelled using a multivariate probit regression model. Log likelihood derivatives are reduced to simple linear combinations of equicorrelated multivariate normal probabilities, which are approximated using the method of Mendell & Elston (1974). A data set with overdispersion illustrates the use of this model.