The effect of bias, variance estimation, skewness and kurtosis of the empirical logit on weighted least squares analyses
经验 logit 的偏差、方差估计、偏度和峰度对加权最小二乘分析的影响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：摘要研究一般二项变量变换及加权回归的统计性质，未明确对应所列经济计量细分。
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…
经验 logit 的偏差、方差估计、偏度和峰度对加权最小二乘分析的影响
- 研究问题
- 二项变量经经验 logit 变换后，其偏差、偏度、峰度以及与估计方差的相关性，会如何影响加权最小二乘分析？
- 方法与思路
- 作者通过渐近展开和精确计算研究偏差及前四阶累积量，推导经验 logit 与其估计方差的协方差，并考察不同修正。
- 材料陈述的贡献
- 摘要称，所讨论的半单位修正并非普遍有效，经验 logit 的偏度和峰度较大；作者倾向于直接利用充分统计量的方法。
- 阅读关注点
- 阅读时应核对展开的参数范围、各种修正的偏差表现，以及偏度、峰度和方差估计相关性怎样影响回归推断。
- 阅读边界
- 所据为 OpenAlex 索引摘要，稿件版本未注明；摘要未列出具体参数范围或误差比较，不能将作者的方法偏好解释为所有情形下的优势。
原文摘要
The bias and first four cumulants of the empirical logit transformation of a binomial variate are studied by means of asymptotic expansions and exact computation. The covariance of the empirical logit and its estimated variance is derived. Neither the +½ correction of Haldane (1955) and Anscombe (1956) nor the −½ suggested by Cox (1970) for weighted logit regression is universally effective in reducing bias. Other corrections are considered. The distribution of the empirical logit is shown to be considerably more skewed and to have a much larger kurtosis than the comparable binomial distribution. Methods based directly on sufficient statistics are preferred to those based on the empirical logit.