Robust Testing in Generalized Linear Models by Sign Flipping Score Contributions
通过得分贡献符号翻转实现广义线性模型的稳健检验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：摘要研究通用广义线性模型检验，未明确指向因果、面板、时间序列或金融等细分方向。
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…
通过得分贡献符号翻转实现广义线性模型的稳健检验
- 研究问题
- 广义线性模型存在过度离散、异方差或遗漏干扰变量时，如何控制检验的第一类错误，并处理干扰参数估计的影响？
- 方法与思路
- 作者提出对个体得分贡献进行符号翻转的半参数检验，允许多维乃至高维待检参数，并对干扰参数估计作相应调整。
- 材料陈述的贡献
- 摘要称，该检验常对所列误设稳健且错误率控制优于比较方法；调整干扰估计后渐近精确，并与参数检验渐近等价。
- 阅读关注点
- 应核对符号翻转有效性的条件、允许的误设范围、高维参数的限制，以及干扰估计调整如何影响检验水平与渐近等价性。
- 阅读边界
- 依据所给 Crossref 摘要；稳健性与比较优势均为作者陈述，摘要未说明完整条件、比较设计或数值结果，不能推断其他版本变化。
原文摘要
Summary Generalized linear models are often misspecified because of overdispersion, heteroscedasticity and ignored nuisance variables. Existing quasi-likelihood methods for testing in misspecified models often do not provide satisfactory type I error rate control. We provide a novel semiparametric test, based on sign flipping individual score contributions. The parameter tested is allowed to be multi-dimensional and even high dimensional. Our test is often robust against the mentioned forms of misspecification and provides better type I error control than its competitors. When nuisance parameters are estimated, our basic test becomes conservative. We show how to take nuisance estimation into account to obtain an asymptotically exact test. Our proposed test is asymptotically equivalent to its parametric counterpart.