Likelihood Inference for Linear Regression Models
线性回归模型的似然推断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：摘要研究一般线性回归的似然近似，未明确涉及因果、面板或其他所列细分方向。
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…
关注这篇论文的作者
线性回归模型的似然推断
- 研究问题
- 在线性回归模型中，如何改进似然比统计量的条件分布近似，使标量及向量参数的近似置信界限更加准确？
- 方法与思路
- 作者对标量参数的有符号似然比平方根作均值和方差调整，并对向量参数的似然比统计量给出 Bartlett 调整因子。
- 材料陈述的贡献
- 摘要称，这些调整改善相应的正态及卡方条件分布近似，并通过 Darwin 数据的位置尺度分析展示近似置信界限的准确性。
- 阅读关注点
- 应核对条件化所依据的信息、误差分布及调整项的计算方法，并检查实例如何评估置信界限准确性及其适用范围。
- 阅读边界
- 仅据版本未注明的索引摘要；条件化方式、正则条件和误差改进阶数未说明，不能外推为所有线性回归模型的有限样本保证。
原文摘要
Approximate conditional inference based on large-sample likelihood ratio methods is considered for the parameters of linear regression models. Mean and variance adjustments that improve the standard normal approximation to the conditional distribution of the signed square root of the log-likelihood-ratio statistic for a scalar parameter of interest are given. A Bartlett adjustment factor that improves the chi-squared approximation to the conditional distribution of the log-likelihood-ratio statistic for a vector parameter of interest is also presented. The accuracy of approximate confidence limits obtained by using the adjustments is demonstrated for a location-scale analysis of Darwin's data.