Maximum Likelihood Regression of Rank-Censored Data
秩删失数据的最大似然回归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：摘要以排序型因变量建模并应用于选民偏好数据，与离散选择中的排序偏好分析直接相关。
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
秩删失数据的最大似然回归
- 研究问题
- 当因变量只观察到排序而看不到数值时，如何对潜在线性回归关系估计归一化系数，并研究估计量的统计性质？
- 方法与思路
- 作者在潜在因变量线性模型下构造秩数据似然，提供数值计算算法，并通过大样本分析、模拟和特例研究估计性质。
- 材料陈述的贡献
- 摘要称，算法使归一化回归系数的最大似然估计可行，并可改用于特定多元正态概率计算；另展示选民偏好应用。
- 阅读关注点
- 核对潜在误差分布、排序观测机制与系数归一化，检查似然计算精度、大样本条件及选民偏好应用的解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；完整误差假设和归一化方式未说明，算法可行性不能证明模型识别或估计普遍可靠。
原文摘要
Linear regression is a common method for analyzing continuous, cardinal data, but it is inappropriate when the dependent variable is an ordinal ranking. The model proposed for analyzing these data sets is the general linear model u = Xβ + ε, where the rank of the dependent variable u is observed instead of its value. A description is given for a numerical algorithm to evaluate the likelihood function that is efficient enough to permit maximum likelihood estimation of normalized regression coefficients. This algorithm can be modified to evaluate the cumulative distribution function of any multivariate normal random vector with nonsingular tridiagonal covariance matrix. Large sample properties of the maximum likelihood estimator are provided in the Appendix. Finite sample properties of the estimator are examined in a Monte Carlo experiment, and the exact finite sample distribution in one particular case is analyzed. The model is applied to voter preference data from a Louis Harris poll.