Parametrizations of Non-Linear Models
非线性模型的参数化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：摘要讨论一般统计模型的参数化与最大似然性质，非线性模型本身不足以归入经济结构估计。
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
非线性模型的参数化
- 研究问题
- 论文研究为改善最大似然估计的方差、偏度和偏差或获得正态形式似然，不同参数化目标是否对应相同的变换。
- 方法与思路
- 作者在一维弯曲指数族中寻找满足四类要求的参数化，以微分方程刻画其共同变换类，并讨论非线性正态回归。
- 材料陈述的贡献
- 摘要称，这些参数化属于同一变换类但一般不同；在非线性正态回归模型中相同，并以微分方程描述该变换类。
- 阅读关注点
- 读全文时应核对各参数化目标的精确定义、渐近展开所用阶数、微分方程的条件及正态回归中特殊一致性的范围。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未给出变换公式、正则条件或似然正态性的具体含义，不能推广为所有非线性模型的结论。
原文摘要
summary in the literature there have been many suggestions on how to parametrize models. some properties you can seek are (1) stability of variance of the mle; (2) normal likelihood; (3) zero asymptotic skewness of the mle; (4) asymptotic unbiasedness of the mle. the parametrizations corresponding to these demands are found in the one-dimensional curved exponential family. they all belong to a general class of transformations, but they are in general not identical. the transformations in this class are characterized by a differential equation. the transformations are identical in the nonlinear normal regression model.