Regression Analysis With Linked Data
链接数据的回归分析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：摘要研究记录链接误差与一般线性回归，未提供因果识别、面板结构或其他所列细分领域的依据。
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
链接数据的回归分析
- 研究问题
- 当两个记录文件缺乏唯一身份标识且链接可能出错时，如何估计跨文件变量的线性回归关系并量化链接不确定性？
- 方法与思路
- 作者在链接概率已知时构造无偏回归估计，讨论用混合模型估计链接概率，并以协方差估计和 bootstrap 处理不确定性。
- 材料陈述的贡献
- 摘要称，论文提出链接误差下的回归估计及一致协方差估计，用 bootstrap 反映链接模型参数不确定性并开展模拟比较。
- 阅读关注点
- 应核对链接概率模型及其估计条件、已知概率下无偏性的适用范围，以及 bootstrap 是否涵盖完整的链接估计步骤。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，不能把已知链接概率下的无偏结论直接推广到估计概率情形，模拟优劣也未说明。
原文摘要
Record linkage, or exact matching, can be used to join together two files that contain information on the same individuals but lack unique personal identification codes. The possibility of errors in linkage causes problems for estimating the relationships between variables on the two files. The effect is analogous to the impact of measurement error. A model of a linear regression relationship between variables in linked files is proposed. Assuming the probabilities that pairs of records are links are known, an unbiased estimator of the regression coefficients is derived. Methods for estimating the linkage probabilities by using mixture models are discussed. A consistent estimator of the covariance matrix of the proposed estimator is proposed. A bootstrap estimator is used to reflect the impact of the uncertainty in record linkage model parameters on the estimators of the regression parameters. A simulation study compares the performance of the proposed estimator and alternatives.