赞一个，呵呵，

楼主的东西有许多真知灼见。只是几点需要商榷：

1. MLS(maximum likelihood estimation) .通常的叫法是MLE；

2. 第5部分：“.。。于Y是什么分布无关。可以通过LSE或者MLS来估计Y的值”
MLE根据分布而来。如果Y的分布无知，如何写出MLE呢？

3.  X 和Y有函数关系。如果不结合exponential family的概念，这种说法有些模糊；

4. 共性导致误差的膨胀；有时候也可能缩小。其实是导致标准差的不准确性；

另外，从我个人的学习过程来看，把logistic model和least squared method 结合起来讲，弊大于利。说实在的，到我毕业之前，我还误以为logistic model 是用weighted least square 估计的。

5.‘。。。WALD有一个很不好的性质，就是当回归系数很大时，SE就会相应的膨胀，这样导致整个W统计量变小，从而P-VALUE变大。’
有些不解。举一个例子，年龄和年龄/10 分别作为自变量，回归系数不同，SE也不同，其实p是一样的。我认为，回归系数很大往往是模型估计算法不准确造成的，比如说， separation， 太多的自变量， 太少的数据，因此失控的SE也难免。Wald 是从大样本得的渐进性得到的。27个数据不足为例。

顶, 很感谢

实用的明白的最好

谢谢楼主了

You are so great!!!!

谢谢楼主的free！！！！！！！！！

谢谢楼主！！！

不错，下来学习一下

谢谢，学习了

对我非常有用 谢谢

总结得非常不错，支持原创。

谢谢楼主分享！

确实总结的不错哦。。。

挺不错的！