Nonnormal linear regression; An example of significance levels in high dimensions
非正态线性回归：高维显著性水平的一个例子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：摘要关注通用回归推断与数值积分，缺少所列领域细分的直接文本依据。
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
非正态线性回归：高维显著性水平的一个例子
- 研究问题
- 非正态线性模型中，单个参数的观测显著性水平需要高维边际积分时，如何构造可计算的近似并评估其精度？
- 方法与思路
- 作者先对标准化残差条件化，再用条件方法近似边际显著性水平，以重要性抽样改善并评估近似，另提出不变形式的公式近似。
- 材料陈述的贡献
- 摘要称，方法为高维积分下的单参数显著性计算提供近似途径，并可扩展到实值枢轴量及单个参数分量的贝叶斯推断。
- 阅读关注点
- 应核对条件显著性与目标边际显著性的关系、重要性抽样的设计和误差评估，以及不同近似适用的模型与参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出误差界、计算成本或适用分布条件，不能推断实际精度及刊本变化。
原文摘要
Analysis of nonnormal linear models leads to an initial conditioning on the standardized residuals, giving an unnormed density on Rk, where k is the number of parameters. To obtain an observed level of significance for a single parameter it is then necessary to calculate a marginal probability, thus requiring integration in k dimensions. In this paper a conditional approach to evaluating the observed level of significance is developed, and an importance sampling technique is used to improve the approximation and assess the accuracy of the conditional approximation to the marginal observed level. A further approximation based on the invariant version (Fraser, 1990) of the Lugannam & Rice (1980) formula is also proposed. The approach extends to the evaluation of real pivots and to Bayesian inference for a single parameter component.