Likelihood Analysis for Probit Regression with Measurement Errors
含测量误差的 Probit 回归似然分析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：摘要明确以 Probit 回归为研究模型，并处理其解释变量的测量误差，直接对应离散响应与离散选择模型方法。
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
含测量误差的 Probit 回归似然分析
- 研究问题
- 当 Probit 回归的一个解释变量含测量误差，且部分受试者具有该变量的重复测量时，如何开展参数估计、检验和区间推断？
- 方法与思路
- 作者假定测量误差及真实解释变量给定已知变量后的分布为正态，用 EM 算法计算最大似然估计，以 Laplace 近似开展推断。
- 材料陈述的贡献
- 摘要提出利用部分重复测量进行 Probit 回归似然分析的方案，并说明最大似然估计、似然比检验和置信区间的计算路径。
- 阅读关注点
- 应核对重复测量如何支持识别、测量误差的依赖结构、正态假设的作用，以及 EM 收敛和 Laplace 近似的精度。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明识别所需的完整条件、重复测量安排或近似误差，不能外推到任意误差分布。
原文摘要
Likelihood analysis is proposed for a probit regression model when one of the explanatory variables is measured with error and replicate measurements of that variable are available on some of the subjects. The distribution of the measurement error and of the unknown explanatory variable, conditional on the known variables, are both taken to be normal. The maximum likelihood estimates can be computed exactly with the EM algorithm. Likelihood ratio tests and confidence intervals can be computed with a Laplace approximation.