Score Tests in Generalized Linear Measurement Error Models
广义线性测量误差模型中的得分检验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：摘要研究通用广义线性模型的测量误差检验，未明确涉及因果效应或离散选择等指定问题。
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…
广义线性测量误差模型中的得分检验
- 研究问题
- 当只能观测真实预测变量的替代变量时，如何检验广义线性模型中的无关联假设，并提升通常检验的局部功效与效率？
- 方法与思路
- 作者在独立加性测量误差设定下，比较基于误差修正估计量的 Wald 检验与利用真实变量给定替代变量条件均值估计的检验。
- 材料陈述的贡献
- 摘要称修正估计量的 Wald 检验与通常检验局部功效相同；条件均值方法在正态误差下渐近有效，在误差方差小时近似有效。
- 阅读关注点
- 应核对条件均值如何估计、正态误差具体指向哪一误差项，以及有效得分的构造、局部备择和小误差方差近似条件。
- 阅读边界
- 仅据所给 Crossref 摘要；条件均值估计所需信息和正则条件未说明，修正衰减偏差本身并不意味着检验局部功效提高。
原文摘要
SUMMARY Hypothesis tests in generalized linear models are studied under the condition that a surrogate w is observed in place of the true predictor x. The efficient score test for the hypothesis of no association depends on the conditional expectation E(x|w) which is generally unknown. The usual test substitutes w for E(x|w) and is asymptotically valid but not efficient. We investigate two new test statistics appropriate when w = x + z where z is an independent measurement error. The first is a Wald test based on estimators corrected for measurement error. Despite the correction for attenuation in the estimator, this test has the same local power as the usual test. The second test employs an estimator of E(x|w) and is both asymptotically efficient for normal errors and approximately efficient when the measurement error variance is small.