• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of statistical computation and simulation >Identifiability and bias reduction in the skew-probit model for a binary response
【24h】

Identifiability and bias reduction in the skew-probit model for a binary response

机译：二进制响应的偏斜概率模型中的可识别性和偏差减少

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The skew-probit link function is one of the popular choices for modelling the success probability of a binary variable with regard to covariates. This link deviates from the probit link function in terms of a flexible skewness parameter. For this flexible link, the identifiability of the parameters is investigated. Next, to reduce the bias of the maximum likelihood estimator of the skew-probit model we propose to use the penalized likelihood approach. We consider three different penalty functions, and compare them via extensive simulation studies. Based on the simulation results we make some practical recommendations. For the illustration purpose, we analyse a real dataset on heart-disease.
机译：偏斜位链接函数是对二进制变量关于协变量的成功概率建模的常用选择之一。就灵活的偏度参数而言，此链接与概率链接功能不同。对于这种灵活的链接，研究了参数的可识别性。接下来，为了减少偏斜概率模型的最大似然估计量的偏差，我们建议使用惩罚似然方法。我们考虑了三种不同的惩罚函数，并通过广泛的仿真研究对其进行了比较。根据仿真结果，我们提出了一些实用的建议。出于说明目的，我们分析了心脏疾病的真实数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号