Bias and Accuracy of Parameter Estimates in a Quantal Response Model
量化响应模型中参数估计的偏差与准确性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：摘要明确将有限样本分析应用于标准 probit 模型，直接关联离散响应与选择模型。
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
量化响应模型中参数估计的偏差与准确性
- 研究问题
- 量化响应模型的参数估计在有限样本中存在多大偏差，通常使用的渐近方差能否准确反映估计不确定性？
- 方法与思路
- 作者推导参数估计偏差与协方差的高阶近似表达式，并将这些表达式应用于标准 probit 模型，考察有限样本准确性。
- 材料陈述的贡献
- 摘要称，即使样本量适中，标准 probit 模型的一阶偏差也可能明显，常用渐近方差与实际方差可能存在较大差异。
- 阅读关注点
- 阅读全文时应核对展开所需的正则条件、估计方法与设计设定，以及偏差和方差近似误差如何随样本量变化。
- 阅读边界
- 仅据版本未注明的索引摘要，不能确定结论适用的参数范围、样本量阈值或修正效果，也不能推断其他版本变化。
原文摘要
For a quantal response situation involving a total of n subjects, expressions are derived for biases correct to order n−1 and covariances correct to order n−2. These are applied to the standard probit model and it is shown that in this situation, first order biases can be appreciable, even for moderate n, and that the usual asymptotic results for variances can be considerably in error.