On Two Families of Transformations to Additivity for Binary Response Data
二元响应数据的两类加性化变换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：摘要直接研究二元响应概率模型、logistic 模型偏离及替代变换尺度。
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
二元响应数据的两类加性化变换
- 研究问题
- 当二元响应关系对 logistic 模型呈现对称或非对称偏离时，如何选择更合适的概率变换尺度，并检测这些偏离？
- 方法与思路
- 作者提出两类概率幂变换，以表示对 logistic 模型的不同偏离；通过 GLIM 实现最大似然估计，并提出相应检测方法。
- 材料陈述的贡献
- 摘要称，两类变换为二元响应分析提供较全面的替代尺度表示，同时给出变换估计方法及对称、非对称偏离的检验。
- 阅读关注点
- 应核对两类变换的参数范围、logistic 模型对应的位置、变换后的加性结构，以及检验统计量和参考分布的构造。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明识别条件、检验功效或实际改进，不能据此认定替代尺度普遍优于 logistic。
原文摘要
Two families of power transformations for probabilites are introduced to model symmetric and asymmetric departures from the logistic model. The aim is to provide, in a comprehensive way, a representation of alternative scales in terms of which to carry out the analysis of binary response data. Maximum likelihood methods are empolyed to estimate an appropriate transformation using GLIM. Tests for detection of symmetric and asymmetric departures are proposed.