Binary Time Series Modeling With Application to Adhesion Frequency Experiments
二元时间序列建模及其在黏附频率实验中的应用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：摘要明确提出二元时间序列模型并处理重复测试的序列依赖，符合时间序列方法方向，应用并非宏观经济。
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…
二元时间序列建模及其在黏附频率实验中的应用
- 研究问题
- 重复细胞黏附试验可能违背独立 Bernoulli 假设，如何同时描述二元结果的序列依赖与随机效应，并检验模型适合性？
- 方法与思路
- 作者建立含随机效应的二元时间序列模型，提出分布假设的拟合优度统计量，推导渐近分布并进行模拟与 T 细胞应用。
- 材料陈述的贡献
- 摘要称方法提供对相关二元数据分布假设的检验工具，并在实际实验中揭示重复黏附测试之间的依赖信息。
- 阅读关注点
- 应核对序列依赖结构、随机效应分布与估计方法、拟合优度统计量的校准，以及渐近结论所依赖的观测增长方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；依赖强度、模型具体形式及模拟数值未说明，不能推断对所有黏附实验均适用。
原文摘要
Repeated adhesion frequency assay is the only published method for measuring the kinetic rates of cell adhesion. Cell adhesion plays an important role in many physiological and pathological processes. Traditional analysis of adhesion frequency experiments assumes that the adhesion test cycles are independent Bernoulli trials. This assumption can often be violated in practice. Motivated by the analysis of repeated adhesion tests, a binary time series model incorporating random effects is developed in this paper. A goodness-of-fit statistic is introduced to assess the adequacy of distribution assumptions on the dependent binary data with random effects. The asymptotic distribution of the goodness-of-fit statistic is derived and its finite-sample performance is examined via a simulation study. Application of the proposed methodology to real data from a T-cell experiment reveals some interesting information, including the dependency between repeated adhesion tests.