Jiwei Zhao’s Contribution to the Discussion of ‘Assumption-Lean Inference for Generalised Linear Model Parameters’ by Vansteelandt and Dukes
赵继伟对《广义线性模型参数的弱假设推断》的讨论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：评论聚焦广义线性模型误设与半参数推断，所给文字未明确涉及因果效应或其他所列方向。
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
赵继伟对《广义线性模型参数的弱假设推断》的讨论
- 研究问题
- 当条件均值的工作模型发生误设时，被讨论论文的推断框架能否扩展，该问题与半参数模型中的局部有效估计有何联系？
- 方法与思路
- 评论者区分真实条件期望与工作模型下的极限目标，提出将原框架扩展至条件均值误设情形，并联系局部有效估计。
- 材料陈述的贡献
- 所给摘要表达了评论者关于误设情形扩展的判断及其半参数关联，没有提供完成扩展的证明或新的具体估计结果。
- 阅读关注点
- 应核对评论中提出的扩展究竟需要哪些条件、工作模型极限如何改变目标参数，并结合主论文核实局部有效性的含义。
- 阅读边界
- 材料是讨论评论的 OpenAlex 索引摘要，稿件版本未注明，并非被讨论主论文；不能将评论者的扩展判断视为已证明的主论文结论。
原文摘要
First I congratulate Vansteelandt and Dukes for a fascinating and stimulating paper, which I believe will have great impact on the practical data analysis as well as on the application of semiparametric techniques. In applications, any fitted model could be a misspecified model, for example Ê(A|L) converges to E*(A|L), where E* denotes the expectation that is evaluated under a working model. The similar notations are also used for Cov and Var throughout. Nonetheless, I think the framework the authors propose can be naturally extended to the case where E(A | L) is misspecified. This comment is strongly relevant to the locally efficient estimator in semiparametric models.