Semiparametric Analysis of Heterogeneous Data Using Varying-Scale Generalized Linear Models
利用变尺度广义线性模型对异质数据进行半参数分析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：摘要讨论通用半参数回归与异质性调整，未提供足以归入所列具体领域的证据。
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…
利用变尺度广义线性模型对异质数据进行半参数分析
- 研究问题
- 当暴露程度或聚合层次不同造成数据异质性时，如何灵活调整广义线性模型，并对其中的参数部分进行有效推断？
- 方法与思路
- 作者提出将部分回归参数按非参数尺度函数重新缩放的模型，给出尺度函数估计算法、参数渐近分析及自助法尺度拟合检验。
- 材料陈述的贡献
- 摘要称模型涵盖广义部分线性与非参数缩放链接函数模型，参数估计的渐近协方差达到半参数下界，并提供模拟与应用示例。
- 阅读关注点
- 应核对尺度函数与回归参数如何分别识别、效率结论所需正则条件，以及尺度估计算法和自助检验在实际数据中的实施方式。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；摘要未说明识别条件、尺度函数的平滑要求或检验的有限样本准确性。
原文摘要
This article describes a class of heteroscedastic generalized linear regression models in which a subset of the regression parameters are rescaled nonparametrically, and develops efficient semiparametric inferences for the parametric components of the models. Such models provide a means to adapt for heterogeneity in the data due to varying exposures, varying levels of aggregation, and so on. The class of models considered includes generalized partially linear models and nonparametrically scaled link function models as special cases. We present an algorithm to estimate the scale function nonparametrically, and obtain asymptotic distribution theory for regression parameter estimates. In particular, we establish that the asymptotic covariance of the semiparametric estimator for the parametric part of the model achieves the semiparametric lower bound. We also describe bootstrap-based goodness-of-scale test. We illustrate the methodology with simulations, published data, and data from collaborative research on ultrasound safety.