均值与中位数偏差缩减：简明综述及在相邻类别logit模型中的应用
统计方法学
2022-01-25 v2 应用统计
摘要
使用偏差缩减的调整得分方程估计类别响应模型已有广泛理论研究与实用。所得估计相比最大似然通常具有更优的频率学性质，且即使最大似然估计为无穷时仍有限。我们以图示驱动方式简要回顾通过调整得分方程对最大似然估计的均值与中位数偏差缩减，并讨论其在参数变换下的特殊等变性质。随后我们将均值与中位数偏差缩减应用于序数响应的相邻类别logit模型。我们展示如何将Poisson对数线性模型的现成偏差缩减程序用于比例优势相邻类别logit模型的均值与中位数偏差缩减，以及非比例优势模型的均值偏差缩减估计。如同二项logistic回归，缩减偏差估计即使在最大似然估计为无穷时仍有限。我们还利用均值偏差缩减估计量变换的偏差近似，修正基于模型的序数优势度量的均值偏差。所有进展均由真实数据案例研究与模拟所推动并阐释。
引用
@article{arxiv.2112.02621,
title = {Mean and median bias reduction: A concise review and application to adjacent-categories logit models},
author = {Ioannis Kosmidis},
journal= {arXiv preprint arXiv:2112.02621},
year = {2022}
}