Local Polynomial Estimation in Multiparameter Likelihood Models
多参数似然模型中的局部多项式估计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：摘要明确处理聚类二元响应的成功概率与相关参数估计，对应二元离散响应模型。
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
多参数似然模型中的局部多项式估计
- 研究问题
- 如何将局部多项式平滑推广到含多个参数的似然模型，并灵活描述聚类二元响应中成功概率及相关参数与剂量的关系？
- 方法与思路
- 作者在多参数似然中实施局部多项式拟合，以聚类二元数据为动机，并通过beta-binomial模型展示非参数剂量反应曲线的估计。
- 材料陈述的贡献
- 摘要称局部多项式的边界性质可推广，适当正则条件下估计具有一致性和渐近正态性，并可用于诊断或建议参数模型的函数形式。
- 阅读关注点
- 应核对不同参数的局部拟合与约束、带宽选择、聚类相关性的处理及正则条件，并检查边界表现与模拟比较的具体设计。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列明正则条件、带宽规则和数值结果，不能判断任意聚类结构下的适用性。
原文摘要
The nonparametric regression technique of local polynomial fitting is extended to multiparameter likelihood models. Some well-known appealing features of local polynomial smoothers, such as the behavior at the boundary, are shown to carry over to the multiparameter case. Asymptotic consistency and normality of the resulting estimators are derived under suitable regularity conditions. This work is motivated by the need for a nonparametric alternative to parametric dose-response models for clustered binary data. Probability models for clustered binary response data include a success probability parameter and one or more correlation parameters. The proposed local polynomial estimators can play an important role as a diagnostic tool or to suggest the form of the functional relationships in parametric likelihood models. As an illustration, it is shown how the local likelihood estimation procedure can be implemented for fitting a dose-response curve based on the beta-binomial model. A data example and a small simulation study demonstrate the method's applicability.