Regression Models for Longitudinal Binary Responses with Informative Drop-Outs
存在信息性退出的纵向二元响应回归模型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：摘要明确研究纵向重复观测的二元响应及样本退出，与面板数据中的缺失问题直接相关。
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…
存在信息性退出的纵向二元响应回归模型
- 研究问题
- 纵向二元响应存在退出时，如何估计边际均值的回归参数，响应关联与退出机制误设会造成怎样的渐近偏差？
- 方法与思路
- 作者综述似然方法与广义估计方程方法，将响应间关联视为干扰特征，并比较关联及缺失机制误设下的渐近偏差。
- 材料陈述的贡献
- 摘要明确将边际期望的回归参数作为主要目标，并以渐近偏差比较两类方法面对关联与退出过程误设时的表现。
- 阅读关注点
- 应核对各方法对退出过程与响应关联的建模要求、偏差比较的设定，以及哪些误设影响目标回归参数。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明具体缺失机制、偏差大小或推荐方法，不能断言某类方法普遍稳健。
原文摘要
SUMMARY This paper reviews both likelihood-based and non-likelihood (generalized estimating equations) regression models for longitudinal binary responses when there are drop-outs. Throughout, it is assumed that the regression parameters for the marginal expectations of the binary responses are of primary scientific interest. The association or time dependence between the responses is largely regarded as a nuisance characteristic of the data. The performance of the methods is compared, in terms of asymptotic bias, under mis-specification of the association between the responses and the missing data mechanism or drop-out process.