A Note on Log-Linear Regression
关于对数线性回归的一则说明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：摘要属于一般回归参数化与截距估计理论，未明确对应所列计量领域细分。
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…
关注这篇论文的作者
关于对数线性回归的一则说明
- 研究问题
- 传统对数线性回归的参数化如何对应因变量的期望性质，重新参数化会怎样改变截距估计及其方差？
- 方法与思路
- 作者从因变量的期望性质推导重新参数化模型的随机假设，并与传统拟合方法比较，构造两种截距估计量。
- 材料陈述的贡献
- 摘要称新参数化更合理，且与传统方法的截距及截距方差不同；作者推导了最小方差无偏截距估计和另一种一致估计。
- 阅读关注点
- 应核对原尺度与对数尺度上期望的关系、随机假设、截距的目标定义，以及无偏性、最小方差和一致性成立的条件。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；未给出参数化公式和分布条件，“更合理”属于作者判断，不能据此认定一般优越性，也不能推断刊本变化。
原文摘要
This paper presents a reparameterization of the conventional loglinear regression model. This reparameterization is shown to be more reasonable than the conventional specification. The stochastic assumptions of this reparameterized model are derived from the expected value properties of the dependent variable. Comparison with the conventional method of fitting log-linear models shows the regression intercept and the variance of the regression intercept to be different. A minimum variance unbiased estimate and another consistent estimate of the intercept are derived.