Nonnormal Linear Regression; An Example of Significance Levels in High Dimensions
非正态线性回归：高维显著性水平计算的一个例子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：摘要讨论非正态回归的一般数值推断问题，未明确落入所列经济或金融细分。
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…
关注这篇论文的作者
非正态线性回归：高维显著性水平计算的一个例子
- 研究问题
- 在非正态线性模型中，单个参数的观测显著性水平需要高维边际积分时，如何通过条件近似减少计算困难并评估误差？
- 方法与思路
- 作者在标准化残差条件化后采用条件近似，以重要性抽样改进并评估精度，另提出基于不变版本尾概率公式的近似。
- 材料陈述的贡献
- 摘要称建立观测显著性水平的条件计算方法及近似精度评估，并将方法扩展至实值枢轴量和单参数分量的贝叶斯推断。
- 阅读关注点
- 核对残差条件化与边际推断的关系、重要性抽样分布及精度评估方法，以及附加近似和扩展推断的适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出近似误差或维度范围，不能把高维积分直接理解为现代稀疏高维模型。
原文摘要
Analysis of nonnormal linear models leads to an initial conditioning on the standardized residuals, giving an unnormed density on Rk, where k is the number of parameters. To obtain an observed level of significance for a single parameter it is then necessary to calculate a marginal probability, thus requiring integration in k dimensions. In this paper a conditional approach to evaluating the observed level of significance is developed, and an importance sampling technique is used to improve the approximation and assess the accuracy of the conditional approximation to the marginal observed level. A further approximation based on the invariant version (Fraser, 1990) of the Lugannam & Rice (1980) formula is also proposed. The approach extends to the evaluation of real pivots and to Bayesian inference for a single parameter component.