Maximum Likelihood Estimates in Exponential Response Models
指数响应模型中的极大似然估计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：摘要虽提到 logit 和 Rasch 模型，但研究的是通用指数族估计理论，没有明确的经济离散选择应用。
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
指数响应模型中的极大似然估计
- 研究问题
- 对于自然参数受线性子空间约束的指数响应模型，极大似然估计何时存在，观测数量增加时具有何种渐近性质？
- 方法与思路
- 作者在有限维指数族与独立观测框架下研究似然方程、估计存在性和渐近行为，并用教育测量的 Rasch 模型说明。
- 材料陈述的贡献
- 摘要称给出极大似然方程及估计存在的必要充分条件，并研究观测数量增长情形下的渐近性质。
- 阅读关注点
- 应核对自然参数空间、线性约束与存在性条件，并确认渐近分析中参数维度、设计结构及观测数量如何变化。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体存在性条件与渐近结论未给出，不能直接套用于任意 logit 或高维模型。
原文摘要
Exponential response models are a generalization of logit models for quantal responses and of regression models for normal data. In an exponential response model, $\{F(\theta): \theta \in \Theta\}$ is an exponential family of distributions with natural parameter $\theta$ and natural parameter space $\Theta \subset V$, where $V$ is a finite-dimensional vector space. A finite number of independent observations $S_i, i \in I$, are given, where for $i \in I, S_i$ has distribution $F(\theta_i)$. It is assumed that $\mathbf{\theta} = \{\theta_i: \mathbf{i} \in \mathbf{I}\}$ is contained in a linear subspace. Properties of maximum likelihood estimates $\hat\mathbf{\theta}$ of $\mathbf{\theta}$ are explored. Maximum likelihood equations and necessary and sufficient conditions for existence of $\hat\mathbf{\theta}$ are provided. Asymptotic properties of $\hat\mathbf{\theta}$ are considered for cases in which the number of elements in $I$ becomes large. Results are illustrated by use of the Rasch model for educational testing.