Pairwise likelihood estimation and limited information goodness-of-fit test statistics for binary factor analysis models under complex survey sampling
复杂调查抽样下二元因子模型的成对似然估计与有限信息拟合检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要中的因子模型用于二元调查数据，未指向宏观或金融因子，也未描述经济离散选择行为，故不强行归类。
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…
复杂调查抽样下二元因子模型的成对似然估计与有限信息拟合检验
- 研究问题
- 在复杂调查抽样产生的二元数据中，如何结合抽样权重估计因子模型，并构造计算可行的有限信息拟合优度检验？
- 方法与思路
- 作者扩展加权成对似然估计，提出 Pearson 卡方与 Wald 有限信息检验及计算改进，并在不同抽样设计下开展模拟。
- 材料陈述的贡献
- 摘要称方法将二元因子模型的成对似然估计推广到复杂抽样，并提供两类拟合检验的改进形式及模拟评估。
- 阅读关注点
- 应核对抽样权重如何进入估计和检验、复杂设计对方差的影响，以及计算改进是否改变检验校准或适用范围。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未报告模拟数值，也未说明更一般复杂抽样设计的表现。
原文摘要
This paper discusses estimation and limited information goodness-of-fit test statistics in factor models for binary data using pairwise likelihood estimation and sampling weights. The paper extends the applicability of pairwise likelihood estimation for factor models with binary data to accommodate complex sampling designs. Additionally, it introduces two key limited information test statistics: the Pearson chi-squared test and the Wald test. To enhance computational efficiency, the paper introduces modifications to both test statistics. The performance of the estimation and the proposed test statistics under simple random sampling and unequal probability sampling is evaluated using simulated data.