Second order asymptotics for score tests in generalised linear models
广义线性模型得分检验的二阶渐近分析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：研究通用广义线性模型的得分检验修正，未明确涉及离散选择或其他经济领域细分。
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…
广义线性模型得分检验的二阶渐近分析
- 研究问题
- 摘要研究广义线性模型的离散参数未知时，如何修正得分检验的有限样本表现，并扩展既有的二阶渐近结果。
- 方法与思路
- 作者推导未知离散参数下得分统计量零分布的 Edgeworth 展开系数，给出额外项的闭式表达，并模拟正态线性回归特例。
- 材料陈述的贡献
- 摘要称新系数在既有结果上增加若干项；正态线性回归模拟显示，修正可有效减少得分检验与其他渐近等价准则的冲突。
- 阅读关注点
- 应核对离散参数估计引入的额外项、修正统计量或临界值的方式，以及模拟中“冲突”的定义与实际尺寸表现。
- 阅读边界
- 摘要未给出正则条件、修正幅度或其他广义线性模型的模拟证据；索引未注明稿件版本，不能推断后续刊本变化。
原文摘要
This paper develops finite-sample corrections for score tests in generalised linear models when the dispersion parameter is unknown, thus generalising the results of Cordeiro, Ferrari & Paula (1993). We show that the coefficients which define the Edgeworth expansion for the null distribution of the score statistic when the dispersion parameter is unknown are the coefficients obtained by these authors plus some extra terms. We also give closed-form expressions for such coefficients. An important special case of our results is the normal linear regression model. Simulation results for this model show that the corrections can be very effective, reducing the probability of conflict with other asymptotically equivalent testing criteria.