Maximum Likelihood and Quasi-Likelihood for Nonlinear Exponential Family Regression Models
非线性指数族回归模型的极大似然与拟似然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：摘要为通用回归计算框架，未明确涉及离散选择、结构估计或其他给定领域细分。
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
非线性指数族回归模型的极大似然与拟似然
- 研究问题
- 线性和非线性指数族及拟似然回归，能否使用统一计算框架完成参数估计，并同时提供留一式回归诊断？
- 方法与思路
- 作者扩展非线性最小二乘的算法框架，结合迭代重加权最小二乘、部分 Hessian 的割线更新及采用该更新的判别规则。
- 材料陈述的贡献
- 摘要提出涵盖多类回归估计与留一诊断的统一算法框架，讨论实现细节并报告数值经验，但未给出量化比较结果。
- 阅读关注点
- 应核对框架适用的模型结构、Hessian 更新和启用判据、数值稳定性，以及留一诊断的计算方式与近似误差。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未说明收敛保证、具体数值结果或相对既有算法的性能优势。
原文摘要
Linear and nonlinear exponential family and quasi-likelihood regression models form a class of models with a structure that invites using one algorithmic framework to compute parameter estimates and regression diagnostics. This framework extends our work on nonlinear least squares; it includes iteratively reweighted least squares but also encompasses secant updates for part of the Hessian matrix of the likelihood or quasi-likelihood function along with tests for when to use this information. The framework also provides basic machinery for computing “leave one out”-style regression diagnostics. We describe the framework, discuss some implementation details, and present some numerical experience.