我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
Tadikamala和Johnson[生物特征 69（1982）461–465]通过考虑标准Logistic分布的变换，将$L_{B}$分布推广到有界支持的变量。在这份手稿中，为了开发回归模型，提出了这种分布的一种方便的参数化方法。这种分布在这里称为L-Logistic分布，提供了很大的灵活性，并将均匀分布作为一种特殊情况。研究了该分布的几个性质，并采用贝叶斯方法进行参数估计。仿真研究，考虑了先验灵敏度分析、参数恢复和算法比较，以及对异常值的鲁棒性，均进行了讨论，结果表明，与贝塔分布相比，结果对先验值的选择、MCMC所采用算法的效率以及模型的鲁棒性不敏感。进行了评估贫困脆弱性和解释焦虑的应用程序。应用结果表明，L-Logistic回归模型比相应的β回归模型提供了更好的拟合。
Rosineide F.da Paz公司。 纳拉亚纳斯瓦米·巴拉克里什南（Narayanaswamy Balakrishnan）。 豪尔赫·路易斯·巴赞。 “L-Logistic回归模型：先验敏感性分析、对异常值的稳健性和应用。” 钎焊。J.概率。斯达。 33 (3) 455 - 479, 2019年8月。 https://doi.org/10.1214/18-BJPS397
