The Equivalence of Generalized Least Squares and Maximum Likelihood Estimates in the Exponential Family
指数族中广义最小二乘估计与最大似然估计的等价性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：摘要研究一般非线性回归的估计等价性，未明确涉及所列具体应用方向。
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
指数族中广义最小二乘估计与最大似然估计的等价性
- 研究问题
- 在非线性回归中，当因变量来自正则指数族时，迭代加权最小二乘估计何时与最大似然估计相同？
- 方法与思路
- 作者考察正则指数族观测下的非线性回归，研究迭代加权最小二乘与最大似然之间的联系，并给出应用示例。
- 材料陈述的贡献
- 摘要称，在若干温和条件下，迭代加权最小二乘估计与最大似然估计一致，并用一个应用说明该结果。
- 阅读关注点
- 应核对摘要所称温和条件、迭代权重与更新规则，以及等价性针对最终解还是迭代过程及其收敛点。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。摘要未列出等价条件、算法收敛要求或应用细节，不能推广到任意非线性回归或指数族设定。
原文摘要
The method of iterative weighted least squares can be used to estimate the parameters in a nonlinear regression model. If the dependent variables are observations from a member of the regular exponential family, then under mild conditions it is shown that the IWLS estimates are identical to those obtained using the maximum likelihood principle. An application is provided to illustrate the results.